Rapid Autotuning of a SiGe Quantum Dot into the Single-Electron Regime with Machine Learning and RF-Reflectometry FPGA-Based Measurements

إليك ملخص تقني مفصل لورقة البحث بعنوان: "الضبط التلقائي السريع لنقطة كمومية من نوع SiGe إلى نظام الإلكترون المنفرد باستخدام التعلم الآلي وقياسات انعكاس التردد الراديوي (RF-Reflectometry) القائمة على الـ FPGA".

1. بيان المشكلة

تُعد الكيوبتات المغزلية (Spin qubits) مرشحاً رئيساً للحوسبة الكمومية القابلة للتوسع نظراً لزمن التماسك الطويل وتوافقها مع التصنيع شبه الموصل الصناعي. ومع ذلك، فإن تهيئة النقطة الكمومية (QD) في "نظام الإلكترون المنفرد" المطلوب تتطلب ضبطاً دقيقاً للجهد الكهربائي.

• العقبة: يتطلب تحديد حالة الشحنة الصحيحة الحصول على "مخططات الاستقرار" (خرائط التيار/الموصلية مقابل جهود البوابة). ومع توسع عدد الكيوبتات، تنمو مساحة الجهد المراد البحث فيها بشكل أسي، مما يجعل الضبط اليدوي أو الآلي القياسي بطيئاً للغاية.
• قيود الطرق الحالية:
  • زمن انتقال الاتصال (Communication Latency): تعتمد إعدادات القياس القياسية على التواصل بين جهاز كمبيوتر مضيف والأجهزة (مثل AWGs وأجهزة التحويل الرقمي) لكل نقطة بيانات. يحد هذا التأخير من سرعة المسح (Slew rate) ووقت التكامل.
  • قيود الذاكرة: غالباً ما تمتلك مولدات الموجات الاصطناعية (AWGs) ذاكرة داخلية محدودة، مما يقيد حجم نوافذ الجهد التي يمكن مسحها دون انقطاع.
  • عدم الكفاءة: تركز العديد من خوارزميات الضبط التلقائي الحالية على أخذ العينات المتفرقة، لكنها تظل محدودة بسرعة الأجهزة المستخدمة في القياس.

2. المنهجية

يقترح المؤلفون نهجاً هجيناً يجمع بين التحكم في الأجهزة المسرع بواسطة الـ FPGA مع التعلم الآلي (ML) لتقليل وقت الضبط بشكل جذري.

أ. الإعداد العتادي (Keysight QET)

• الجهاز: جهاز نقطة كمومية SiGe تم تصنيعه في IMEC على منصة 300 ملم، يتميز بنقطة كمومية واحدة متصلة بمحول إلكترون منفرد (SET) لاستشعار الشحنة.
• الأجهزة المستخدمة: تستخدم التجربة مجموعة أدوات هندسة الكم من Keysight (QET)، وتحديداً هيكل M9019A PXIe الذي يحتوي على وحدات FPGA.
• تقنية القياس: تُستخدم تقنية انعكاس التردد الراديوي (RF-Reflectometry) بدلاً من قياس التيار المستمر (DC). يتم إرسال إشارة تردد راديوي (225 ميجاهرتز) عبر الـ SET، ويتم اكتشاف التغيرات في السعة/الطور (الناتجة عن انتقالات الشحنة).
• تنفيذ الـ FPGA:
  • باستخدام PathWave Test Sync Executive، قام المؤلفون ببرمجة الـ FPGA لتوليد موجات الجهد واكتساب البيانات أثناء التشغيل (on-the-fly).
  • الميزة الرئيسية: يزيل هذا التواصل (Latency) بين جهاز الكمبيوتر المضيف والجهاز لكل نقطة بيانات. تتحكم الـ FPGA في المسح والقراءة مباشرة، مما يسمح بمسوحات مستمرة وعالية السرعة دون قيود الذاكرة أو عبء الاتصال.

ب. خوارزمية الضبط التلقائي

• المنطق الأساسي: خوارزمية استكشاف تعتمد على شبكة عصبية تلافيفية (CNN).
• العملية:
  1. تقوم الخوارزمية بمسح رقع صغيرة من الجهد (18 ملي فولت × 18 ملي فولت).
  2. تكتشف الشبكة العصبية التلافيفية (CNN) خطوط انتقال الشحنة داخل هذه الرقع.
  3. بناءً على الاكتشاف، تختار الخوارزمية الرقعة التالية للقياس باستخدام نمط "على شكل حرف X" لتغطية مساحات واسعة بكفاءة.
  4. الهدف هو التنقل في مساحة الجهد للوصيد إلى نظام الإلكترون المنفرد (حالة الشحنة المستهدفة).
• التدريب: تم تدريب الـ CNN في الأصل على بيانات التيار المستمر (DC)، ولكن تم اختبارها وإعادة تدريبها على بيانات RF-reflectometry الصاخبة لضمان المتانة.

3. المساهمات الرئيسية

1. تسريع القياس القائم على الـ FPGA: من خلال نقل التحكم في توليد الموجات واكتساب البيانات إلى الـ FPGA، ألغى المؤلفون زمن انتقال الاتصال. سمح ذلك بـ:
   • مسوحات جهد أسرع (تصل إلى 10 فولت/ثانية).
   2. أوقات تكامل أقصر (تصل إلى 0.5 مللي ثانية).
   3. طول موجة غير محدود (لا توجد قيود ذاكرة).
2. خط معالجة متكامل للضبط التلقائي: يوفر الجمع بين RF-reflectometry المسرع بالـ FPGA وخوارزمية البحث القائمة على CNN حلقة ضبط ذاتية بالكامل.
3. قياس الأداء: تقيم الدراسة بشكل منهجي تأثير وقت التكامل ومعدل المسح (Slew rate) على نجاح ومدة الضبط، وتحدد الاختناقات المحددة في برمجيات التحكم الحالية.

4. النتائج

اختبر المؤلفون النظام على نقطة كمومية SiGe مع 19 نقطة بداية عشوائية تحت ظروف مختلفة:

• تسريع القياس:
  • تم تقليل وقت القياس لمخططات الاستقرار بمقدار 9.8 ضعف مقارنة بالطرق المحدودة بزمن الانتقال.
  • تم تحقيق ذلك من خلال زيادة معدل المسح (Svez rate) من 0.2 فولت/ثانية إلى 10 فولت/ثانية وتقليل أوقات التكامل.
• إجمالي وقت الضبط:
  • تم تقليل إجمالي الوقت لتهيئة الجهاز في نظام الإلكترون المنفرد بمقدار 2.2 ضعف (من ~2300 ثانية إلى ~1060 ثانية).
  • تحليل الاختناق: بينما انخفض وقت القياس بشكل كبير، كان تقليل الوقت الإجمالي محدوداً لأن عملية اتخاذ القرار (تنفيذ كود Python، الرسم البياني، وحفظ البيانات) أصبحت هي الاختناق الجديد. عند الإعدادات الأسرع، مثل وقت القياس حوالي 14% فقط من الوقت الإجمالي، بينما استغرق اتخاذ قرار الخوارزمية حوالي 70%.
• معدل النجاح:
  • ظل معدل نجاح الضبط التلقائي مرتفعاً (~90-95%) حتى مع المسوحات الأسرع وأوقات التكامل الأقصر.
  • عند وقت تكامل قصير جداً (0.5 مللي ثانية)، انخفض معدل النجاح إلى 58% بسبب الضوضاء، ولكن إعادة تدريب الـ CNN على هذه البيانات الصاخبة أعاد معدل النجاح إلى 95%.
  • معدل مسح أبطأ (0.2 فولت/ثانية) حقق معدل نجاح 100% ولكنه كان بطيئاً جداً وغير عملي، حيث أصبح وقت المسح نفسه عائقاً.

5. الأهمية والآفاق المستقبلية

• القابلية للتوسع: يمثل هذا العمل خطوة حاسمة نحو توسيع المعالجات الكمومية. مع زيادة عدد الكيوبتات، تنمو مساحة الجهد بشكل أسي؛ مما يجعل الضبط اليدوي مستحيلاً، ويجعل الضبط التلقائي البطيء عائقاً أمام التشغيل.
• الأجهزة غير المستغلة: تسلط الورقة الضوء على أن قدرات زمن الانتقال المنخفض للـ FPGA في أنظمة التحكم الكمي التجارية لا تُستغل حالياً بشكل كامل. لا تزال معظم سير العمل مقيدة بالتواصل مع الكمبيوتر المضيف.
• التحسينات المستقبلية:
  • يقترح المؤلفون أن القفزة الكبرى التالية في السرعة ستأتي من نقل منطق اتخاذ القرار (استنتاج CNN وتخطيط المسار) مباشرة إلى الـ FPGA.
  • حالياً، تحد حلقة القرار القائمة على Python من السرعة الإجمالية. إن دمج حلقة التحكم بالكامل داخل الـ FPGA الخاص بالجهاز يمكن أن يقلل إجمالي وقت الضبط بعدة مراتب عشرية، مما يجعله ضبطاً في الوقت الفعلي حقاً.

في الختام، تثبت هذه الورقة أن الجمع بين RF-reflectometry، والتحكم القائم على الـ FPGA، والتعلم الآلي يمكن أن يسرع بشكل كبير عملية تهيئة النقاط الكمومية، مما يوفر مساراً قابلاً للتطبيق للضبط التلقائي لمصفوفات الكيوبتات المغزلية واسعة النطاق.