Automated in situ optimization and disorder mitigation in a quantum device

Sintesi Tecnica: Ottimizzazione In Situ Automatizzata e Mitigazione del Disordine in un Dispositivo Quantistico

Problematica
La calibrazione dei dispositivi quantistici, in particolare quelli che richiedono la regolazione di molteplici parametri per raggiungere una configurazione operativa desiderata, è spesso ostacolata dalle imperfezioni dei materiali e dal disordine imprevedibile. Queste imperfezioni possono oscurare la navigazione attraverso ampi spazi di parametri, rendendo difficile il raggiungimento manuale delle prestazioni ottimali del dispositivo. Nello specifico, nei Contatti Puntiformi Quantistici (QPC), il disordine e lo scattering tendono a smussare e distorcere i caratteristici gradini di conduttanza quantizzata (plateau separati da salti netti), che sono segni fondamentali della fisica quantistica ed essenziali per applicazioni come la lettura di qubit di spin e l'interferometria. La sfida consiste nel trovare un potenziale di paesaggio sintonizzabile che possa ripristinare queste firme a "scala" nonostante la presenza di disordine microscopico.

Metodologia
Gli autori implementano una strategia evolutiva automatizzata per ottimizzare il paesaggio di potenziale di un QPC definito all'interno di un gas di elettroni bidimensionale (2DEG) basato su GaAs. Il dispositivo presenta un array $3 \times 3$ di gate elettrostatici superiori (gate a pixel) modellati sopra la costrizione, insieme a split-gate esterni.

• Algoritmo: Lo studio utilizza la Strategia di Evoluzione con Adattamento della Matrice di Covarianza (CMA-ES). Questo algoritmo stocastico, privo di gradiente, è stato scelto per la sua semplicità, robustezza al rumore e insensibilità ai dettagli specifici del paesaggio di perdita (loss landscape).
• Metrica di Ottimizzazione (Funzione di Perdita): Viene definita una funzione di perdita $L$ personalizzata per quantificare quanto la curva di conduttanza sia "a gradini" durante la costrizione del canale. La funzione somma le radici cubiche delle differenze tra i valori di conduttanza adiacenti, favorendo pochi grandi salti (gradini) rispetto a molte piccole variazioni. Include una penalità per la chiusura completa del QPC e un piccolo offset per mitigare il rumore, ma crucialmente, non contiene alcuna conoscenza pregressa dei valori quantizzati interi o della distribuzione del disordine sottostante.
• Approccio di Simulazione: L'ottimizzazione iniziale è stata eseguita utilizzando il pacchetto software KWANT per risolvere modelli tight-binding. Per migliorare la robustità, l'ottimizzazione non è stata eseguita sui singoli voltaggi dei pixel, ma sulle loro componenti di Fourier ($A_{\alpha\beta}$). Il modo medio ($A_{00}$) ha servito come parametro di scansione ($V_{QPC}$) per restringere il canale, mentre gli altri modi sono stati ottimizzati. Il disordine è stato modellato come un potenziale on-site casuale con una definita lunghezza di correlazione.
• Approccio Sperimentale: Lo stesso routine CMA-ES è stato applicato a un dispositivo fisico fabbricato su un eterostruttura di GaAs. A causa dei vincoli di fabbricazione (specificamente la necessità di routing elettrico che interrompeva la simmetria del dispositivo), il protocollo sperimentale è stato adattato: il parametro di scansione $V_{QPC}$ è stato applicato a due pixel opposti, mentre l'algoritmo ha ottimizzato liberamente i restanti sette voltaggi dei pixel. Le misurazioni sono state condotte in un frigorifero a diluizione a temperature millikelvin con un campo magnetico fuori dal piano.

Contributi Chiave

1. Dimostrazione di Calibrazione Automatizzata: Il documento presenta una prova di concetto per l'ottimizzazione in situ completamente automatizzata di un dispositivo quantistico utilizzando una strategia evolutiva senza intervento umano.
2. Mitigazione del Disordine: Lo studio dimostra che l'algoritmo può adattarsi a potenziali di disordine casuali. Ottimizzando i voltaggi dei gate, il sistema può recuperare chiari plateau di conduttanza che erano precedentemente degradati o scomparsi a causa del disordine.
3. Ottimizzazione Indipendente dalla Fisica: La funzione di perdita si basa esclusivamente sulla "forma a gradini" geometrica della curva di conduttanza piuttosto che puntare a specifici valori quantizzati. Il fatto che l'algoritmo converga naturalmente verso plateau quantizzati interi suggerisce che la soluzione sia una manifestazione della fisica sottostante del QPC piuttosto che un artefatto di overfitting.
4. Trasferimento Simulazione-Esperimento: Il lavoro traduce con successo un protocollo di ottimizzazione numerica, sviluppato con pieno controllo sui parametri di disordine, a un ambiente sperimentale reale, ottenendo miglioramenti marcati nelle prestazioni del dispositivo.

Risultati

• Simulazioni: Nelle simulazioni prive di disordine, la configurazione di gate ottimizzata ha prodotto gradini di conduttanza più netti rispetto a una semplice scansione dei voltaggi medi. Quando è stato introdotto un disordine casuale, la configurazione ottimizzata ha ripristinato con successo la scala di conduttanza, mentre la configurazione non ottimizzata (priva di disordine) falliva. L'algoritmo è confluito verso specifiche configurazioni di voltaggio che compensavano la specifica realizzazione del disordine.
• Esperimento: Nel dispositivo fisico, l'algoritmo ha calibrato autonomamente i voltaggi dei gate partendo da uno stato non ottimizzato. La traccia non ottimizzata non mostrava caratteristiche simili a gradini. Dopo l'ottimizzazione (specificamente all'iterazione 51), la traccia di conduttanza ha esibito plateau quantizzati chiari e ben definiti. Interessante è il fatto che l'algoritmo ha trovato molteplici configurazioni di voltaggio distinte (ad esempio, alle iterazioni 51 e 85) che fornivano entrambe un eccellente comportamento a gradini, suggerendo l'esistenza di molteplici soluzioni percorribili nello spazio dei parametri, potenzialmente a causa dell'asimmetria del dispositivo o della mitigazione di specifici tratti di disordine. L'ottimizzazione ha trovato un ottimo in circa 460 misurazioni.

Significatività e Rivendicazioni
Il documento afferma che la calibrazione automatizzata tramite CMA-ES è un metodo valido per migliorare la funzionalità dei dispositivi e mitigare gli effetti del disordine nei dispositivi quantistici. Gli autori sottolineano che questo approccio produce calibrazioni ottimali che sarebbero difficili da ottenere manualmente, specialmente in presenza di disordine imprevedibile.

La significatività risiede nella dimostrazione che un algoritmo di ottimizzazione "cieco" — che non conosce la fisica della conduttanza quantizzata o la natura del disordine — può navigare efficacemente uno spazio di parametri complesso e rumoroso per ripristinare le proprietà fondamentali del trasporto quantistico. Gli autori osservano che, sebbene l'esperimento attuale fosse limitato dall'asimmetria del dispositivo (ottimizzando solo 7 di 9 gate), i risultati validano il concetto di mitigazione del disordine in situ. Suggeriscono che i miglioramenti futuri potrebbero includere strutture di gate multistrato per consentire il controllo completo di tutti i pixel e l'esplorazione di configurazioni di voltaggio che variano in funzione del parametro di scansione. Questo lavoro posiziona l'apprendimento automatico non solo come uno strumento di caratterizzazione, ma come un meccanismo attivo per superare le imperfezioni dei materiali nelle tecnologie quantistiche dei semiconduttori.