Utility of NISQ devices: optimizing experimental parameters for the fabrication of Au atomic junction using gate-based quantum computers

Diese Studie zeigt, dass gate-basierte NISQ-Quantencomputer im Vergleich zu einem D-Wave-Quantenannealer effektivere Lösungen für die autonome Optimierung der Parameter zur Herstellung von Gold-Atomkontakten mittels feedback-gesteuerter Elektromigration liefern.

Das Wesentliche

Das große Ziel: Ein winziges Atom-Brückchen bauen

Stellen Sie sich vor, Sie wollen eine Brücke bauen, die so klein ist, dass sie nur aus einem einzigen Goldatom besteht. Das klingt nach Magie, ist aber für die Zukunft der Computer (Quantencomputer) und extrem kleine Elektronik sehr wichtig.

Um diese Brücke zu bauen, nutzen Wissenschaftler einen Prozess namens „Feedback-gesteuerte Elektromigration". Das ist ein sehr sperriger Name für eine einfache Idee:

1. Sie schicken einen elektrischen Strom durch einen winzigen Gold-Draht.
2. Die Elektronen im Strom stoßen gegen die Goldatome und drücken sie weg (wie eine Flut, die Sandkörner wegschläbt).
3. Der Draht wird an einer Stelle immer dünner, bis er fast reißt.
4. Das Problem: Wenn Sie den Strom nicht perfekt steuern, reißt der Draht einfach ab, und die Brücke ist kaputt. Sie müssen den Strom genau in dem Moment drosseln, wenn die Brücke fast fertig ist.

Der alte Weg: Der müde Koch

Bisher mussten Wissenschaftler diese Steuerung manuell oder mit einfachen Computern programmieren. Sie mussten viele Parameter (wie Spannung und Schrittgröße) ausprobieren.
Stellen Sie sich das wie einen Koch vor, der ein kompliziertes Rezept kocht, aber die Zutaten nicht genau abwiegen kann. Er probiert viel aus, verbrät das Essen manchmal und braucht ewig, bis er das perfekte Gericht hat. Das ist ineffizient und nervig.

Der neue Weg: Der „Quanten-Koch"

In dieser Studie haben die Forscher einen neuen Ansatz getestet: Sie haben einen Quantencomputer (genauer gesagt einen sogenannten NISQ-Computer, der noch etwas „verrauscht" und nicht perfekt ist) gebeten, die besten Einstellungen für den Gold-Draht zu finden.

Die Analogie des Labyrinths:
Stellen Sie sich vor, Sie müssen durch ein riesiges Labyrinth laufen, um den schnellsten Weg zum Ausgang zu finden.

• Der klassische Computer läuft langsam durch jeden Gang, macht sich Notizen und vergleicht sie.
• Der Quantencomputer ist wie ein Geist, der gleichzeitig in allen Gängen des Labyrinths ist. Er spürt sofort, wo die Sackgassen sind und wo der Weg frei ist.

Was haben sie herausgefunden?

Die Forscher haben den Quantencomputer mit einem anderen Spezial-Computer (einem „Quanten-Annealer" von D-Wave, der wie ein Bergsteiger ist, der immer den steilsten Abhang hinuntergeht) verglichen.

1. Bessere Ergebnisse bei großen Aufgaben: Als das Labyrinth (das Problem) größer wurde, hat der Quantencomputer (der „Geist") bessere Wege gefunden als der Bergsteiger. Er hat weniger Fehler gemacht und war genauer.
2. Weniger „Rauschen": Quantencomputer sind normalerweise sehr empfindlich gegenüber Störungen (wie wenn jemand im Labyrinth schreit und Sie den Weg vergisst). Aber dieser spezielle Quantencomputer hat es geschafft, trotz des Lärms fast so gute Ergebnisse zu liefern wie ein perfekter, simulierter Computer.
3. Effizienz: Der Quantencomputer brauchte weniger „Ressourcen" (weniger Rechenleistung), um das gleiche Problem zu lösen, als der andere Spezial-Computer.

Warum ist das wichtig?

Das ist ein großer Schritt für die Zukunft. Es zeigt, dass wir heutige, noch nicht perfekte Quantencomputer schon nutzen können, um echte, schwierige Probleme in der Wissenschaft zu lösen.

Statt dass ein Mensch stundenlang knifflige Einstellungen für Gold-Drähte justiert, kann der Quantencomputer das automatisch und präzise übernehmen. Das ist wie der Unterschied zwischen einem Handwerker, der mit dem Hammer arbeitet, und einem 3D-Drucker, der das Bauteil millimetergenau herstellt.

Fazit: Die Wissenschaftler haben bewiesen, dass diese neuen Quanten-Technologien nicht nur theoretisch cool sind, sondern uns helfen können, winzige, perfekte Atom-Brücken zu bauen, die unsere zukünftigen Computer und Sensoren antreiben werden.

Technische Zusammenfassung

Titel:

Nützlichkeit von NISQ-Geräten: Optimierung experimenteller Parameter für die Fertigung von Au-Atomkontakten mittels gate-basierter Quantencomputer

1. Problemstellung

Die Herstellung von Gold-Atomkontakten (Au atomic junctions) mittels feedback-gesteuerter Elektromigration (FCE) erfordert eine präzise Kontrolle der atomaren Migration. Dies geschieht durch die Optimierung und das zeitliche Scheduling mehrerer experimenteller Parameter, insbesondere der Feedback-Spannung ($V_{FB}$), der Schwellwert-Leitfähigkeit ($G_{TH}$) und der Spannungsschrittgröße ($V_{STEP}$).

• Herausforderung: Das manuelle Fine-Tuning dieser Parameter ist extrem schwierig. Die Suche nach der optimalen Kombination von Parametern im Laufe des Experiments stellt ein kombinatorisches Optimierungsproblem dar.
• Bisherige Ansätze: Frühere Studien nutzten maschinelles Lernen, Ising-Computing und Quanten-Annealing (QA), um diese Parameter zu optimieren.
• Ziel der Studie: Untersuchung der Machbarkeit, gate-basierte Quantencomputer (speziell Noisy Intermediate-Scale Quantum, NISQ-Geräte) autonom zur Optimierung und zum Scheduling dieser FCE-Parameter einzusetzen und deren Leistungsfähigkeit mit etablierten QA-Systemen (D-Wave) zu vergleichen.

2. Methodik

Die Studie entwickelte ein autonomes System, das auf einem gate-basierten Quantencomputer läuft, um die optimale Abfolge von Feedback-Spannungen zu bestimmen.

• Modellierung des Problems:

  • Das Scheduling der $V_{FB}$-Werte wurde als kombinatorisches Optimierungsproblem formuliert, das dem Traveling-Salesman-Problem (TSP) ähnelt, jedoch ohne die strikte Einschränkung, dass ein Parameter nur einmal gewählt werden darf.
  • Eine Kostenfunktion $E(x)$ wurde definiert, die auf einer Interaktionsmatrix $W_{ij}$ basiert. Diese Matrix wurde aus historischen FCE-Experimentdaten abgeleitet und bewertet, wie gut der Übergang von einem $V_{FB}$-Wert zum nächsten die atomare Stabilität (gemessen an der Leitfähigkeit $G/G_0$) erhält.
  • Die Kostenfunktion besteht aus einem Term für die One-Hot-Encoding-Bedingung (nur ein Wert pro Schritt) und einem Term zur Maximierung der Übergangsbewertung.

• Quantenalgorithmen:

  • Es wurde der Variational Quantum Eigensolver (VQE) verwendet, ein Variational Quantum Algorithm (VQA), der für NISQ-Geräte geeignet ist.
  • Ansatz: Um die Komplexität und Fehleranfälligkeit zu minimieren, wurde ein hardware-effizienter Ansatz gewählt, der nur $R_Y$-Gatter pro Qubit verwendet. Dies reduziert die Anzahl der Optimierungsparameter und Gate-Operationen und verringert Dekohärenz und Gate-Fehler.
  • Hardware: Die Experimente wurden auf echten NISQ-Geräten von IBM durchgeführt (ibm_nazca und ibm_brussels, beide mit 127 Qubits im Eagle-Prozessor) sowie auf einem klassischen Quantensimulator (aer_simulator_matrix_product_state).
  • Vergleich: Die Ergebnisse wurden mit Simulated Annealing (SA) und verschiedenen D-Wave Quanten-Annealern (2000Q, Advantage, Advantage2) verglichen.

• Experimenteller Aufbau:

  • Die Anzahl der Aufträge (Schritte im Schedule) $N$ variierte von 2 bis 10.
  • Die Anzahl der diskreten $V_{FB}$-Stufen $Z$ war 9.
  • Dies führte zu logischen Qubit-Anzahlen zwischen 18 und 90.

3. Wichtige Beiträge und Ergebnisse

• Überlegene Leistung bei großen Problemen:

  • Die gate-basierten NISQ-Geräte ($ibm\_brussels$ und $ibm\_nazca$) erzielten niedrigere Restenergien (Residual Energy, $E_{res}$) als die Quanten-Annealer (QA) für größere Problemgrößen ($N \ge 5$, d.h. >45 logische Qubits).
  • Während QA-Systeme für große Probleme eine "Minor Embedding"-Technik benötigen (Mapping logischer Qubits auf Ketten physikalischer Qubits), was den Qubit-Bedarf um das 2,3- bis 9,4-fache erhöht und zu Kettenbrüchen führt, benötigen gate-basierte Geräte eine 1:1-Zuordnung. Dies macht sie robuster gegen Rauschen bei größeren Problemgrößen.

• Qualität der Lösungen:

  • Für kleine Probleme ($N \le 4$) waren die Lösungen der gate-basierten Computer vergleichbar mit denen der QA-Systeme und des Simulators.
  • Für größere Probleme ($N \ge 5$) lieferten die NISQ-Geräte qualitativ hochwertigere Schedules als die QA-Systeme.
  • Die Schedule-Ergebnisse ($S_{max}$), die die Stabilität der Leitfähigkeit vorhersagen, zeigten, dass die NISQ-Lösungen oft den optimalen, wiederkehrenden Mustern (z.B. Wechsel zwischen 20% und 60% $V_{FB}$) sehr nahe kamen, die in früheren Studien als hochkontrollierbar identifiziert wurden.

• Hardware-Effizienz:

  • Der Einsatz von $R_Y$-Gattern und die Auswahl von Qubits mit niedrigen Auslesefehlern (Readout Errors) auf dem $ibm\_brussels$-Chip ermöglichten Ergebnisse, die für $N \le 4$ fast so gut waren wie beim rauschfreien Simulator.

4. Bedeutung und Ausblick

• Praktische Relevanz: Die Studie demonstriert erstmals erfolgreich, dass gate-basierte NISQ-Computer in der Lage sind, komplexe, reale kombinatorische Optimierungsprobleme in der Nanofabrikation autonom zu lösen. Dies ermöglicht eine präzisere Kontrolle der atomaren Migration auf Einzelatom-Ebene.
• Paradigmenwechsel: Die Ergebnisse deuten darauf hin, dass gate-basierte Quantencomputer für bestimmte kombinatorische Probleme, insbesondere solche, die Minor Embedding bei Annealern erfordern, bereits heute leistungsfähiger sein können als diese.
• Zukünftige Arbeiten:
  • Anwendung von Fehlerminderungstechniken wie mthree zur weiteren Reduktion der Restenergie.
  • Nutzung von CVaR-VQE für schnellere Konvergenz und bessere Lösungen.
  • Erweiterung auf höherordentliche binäre Optimierungen (Higher-Order Binary Optimization), um noch mehr Parameter gleichzeitig zu optimieren.

Fazit:
Die Autoren belegen, dass gate-basierte Quantencomputer trotz ihrer aktuellen Limitationen (Rauschen, begrenzte Kohärenzzeit) ein vielversprechendes Werkzeug für die autonome Optimierung von Nanofabrikationsprozessen sind und in Bezug auf die Lösungsqualität für skalierende Probleme Quanten-Annealern überlegen sein können.