Device variability of Josephson junctions induced by interface roughness

Sintesi Tecnica: Variabilità dei Dispositivi delle Giunzioni Josephson Indotta dalla Rugosità dell'Interfaccia

Definizione del Problema
Con la scalabilità dei processori quantistici superconduttori verso i migliaia di qubit richiesti per la computazione quantistica tollerante ai guasti (ad esempio, l'algoritmo di Shor), la variabilità da dispositivo a dispositivo è emersa come un collo di bottiglia critico. I qubit superconduttori, in particolare i transmon, si basano su giunzioni Josephson Al/AlOx/Al che operano nel regime di tunneling. In questo regime, la corrente critica $I_c$ — e di conseguenza l'energia di Josephson $E_J$ — dipende esponenzialmente dai dettagli microscopici della barriera. Anche minime variazioni nella geometria dell'interfaccia Al/AlOx, come fluttuazioni locali dello spessore o contaminazioni, possono indurre spostamenti sostanziali nelle frequenze di transizione dei qubit e nelle fedeltà dei gate. Mentre gli estesi sforzi sperimentali si sono concentrati sul miglioramento della riproducibilità delle giunzioni attraverso l'ottimizzazione dei processi e la microscopia, mancava un quadro teorico quantitativo che connettesse il disordine microstrutturale (specificamente la rugosità dell'interfaccia) alle statistiche di energia a livello di giunzione.

Metodologia
Gli autori sviluppano un quadro di modellazione quantitativa che colma il divario tra il disordine dell'interfaccia su scala atomica e le proprietà di trasporto macroscopiche della giunzione. L'approccio integra tre componenti primarie:

1. Modellazione della Rugosità dell'Interfaccia: L'interfaccia Al/AlOx è modellata come un campo casuale gaussiano $h(x,y)$ caratterizzato da due parametri: l'ampiezza della rugosità RMS (root-mean-square) $\sigma$ e la lunghezza di correlazione trasversale $\xi$. Questi parametri sono derivati dalla letteratura sperimentale esistente (ad esempio, studi TEM su dimensioni dei grani e istogrammi di spessore) e da nuove simulazioni di dinamica molecolare (MD). Le simulazioni MD, che utilizzano il potenziale di machine learning CHGNet, modellano l'ossidazione di una superficie di Al per stimare $\sigma$ in condizioni idealizzate.
2. Approssimazione del Trasporto Quantistico: Per affrontare l'intrattabilità computazionale della risoluzione dell'equazione di Bogoliubov–de Gennes (BdG) per dimensioni di giunzione realistiche ($\sim 100 \text{ nm} \times 100 \text{ nm}$), gli autori impiegano due approssimazioni chiave:
   • Relazione di Ambegaokar–Baratoff (AB): La corrente critica è calcolata tramite la relazione AB, che lega $I_c$ alla resistenza normale $R_N$. Ciò riduce la complessità computazionale evitando l'integrazione sull'intero spettro energetico e concentrandosi sul coefficiente di trasmissione all'energia di Fermi.
   • Approssimazione dello Spessore Locale: Dato che la lunghezza d'onda di Fermi ($\lambda_F \approx 3.6$ Å) e la lunghezza di decadimento della barriera ($\lambda_D \approx 1.9$ Å) sono molto più piccole della lunghezza di correlazione della rugosità ($\xi \sim 10$ nm), la giunzione è trattata come un insieme di canali di tunneling indipendenti. La conduttanza totale è approssimata come l'integrale delle densità di conduttanza locale, dove lo spessore locale della barriera varia secondo il profilo di rugosità.
3. Simulazione Numerica: Il modello è applicato a un insieme di 5.000 giunzioni Josephson con profili di barriera di tunneling variabili generati dal modello del campo casuale gaussiano.

Risultati Chiave
Le simulazioni numeriche forniscono diverse intuizioni quantitative sul comportamento statistico di $E_J$:

• Distribuzione Log-Normale: La distribuzione dell'energia di Josephson $E_J$ attraverso l'insieme non è gaussiana ma segue una distribuzione log-normale. Ciò deriva dal fatto che $E_J$ dipende esponenzialmente dallo spessore della barriera, che è distribuito normalmente. Di conseguenza, la funzione di densità di probabilità è asimmetrica verso valori più elevati.
• Impatto della Rugosità RMS ($\sigma$): L'aumento dell'ampiezza della rugosità RMS $\sigma$ porta a un aumento significativo sia del valore medio $\langle E_J \rangle$ che della varianza $\text{Var}(E_J)$. L'aumento del valore medio è attribuito alla sensibilità esponenziale del tunneling, dove regioni anomalamente sottili e rare dominano la conduttanza totale.
• Impatto della Lunghezza di Correlazione ($\xi$): L'aumento della lunghezza di correlazione trasversale $\xi$ causa una leggera diminuzione del valore medio $\langle E_J \rangle$ ma un marcato aumento della varianza $\text{Var}(E_J)$. La varianza aumenta perché un $\xi$ maggiore riduce il numero di canali di tunneling statisticamente indipendenti (auto-mediazione), potenziando le fluttuazioni campione-campione. Il valore medio diminuisce leggermente a causa di effetti di dimensione finita; man mano che $\xi$ si avvicina alle dimensioni della giunzione, la probabilità di realizzare le regioni rare di barriera estremamente sottile che dominano il tunneling viene ridotta.
• Variabilità della Frequenza del Qubit: Utilizzando le statistiche derivate per $E_J$ e assumendo una tipica energia di carica $E_C$, il modello predice una deviazione standard nella frequenza di transizione del qubit $\omega_{01}/2\pi$ di circa 0.364 GHz attorno a una media di 6.145 GHz per i parametri specifici testati.

Significato e Rivendicazioni
Il documento sostiene di fornire un "quadro quantitativo e intuitivo" di come la rugosità superficiale induca variabilità nell'energia di Josephson. Collegando direttamente i parametri microstrutturali ($\sigma$ e $\xi$) alle statistiche a livello di giunzione, il lavoro offre un quadro per comprendere le sfide di resa e uniformità nei processori quantistici su larga scala. Gli autori sottolineano che i loro risultati hanno una "diretta rilevanza per la progettazione delle giunzioni", suggerendo che il controllo dei parametri di rugosità dell'interfaccia è cruciale per minimizzare la variabilità dei dispositivi.

Gli autori mantengono una posizione modesta riguardo all'ambito del loro lavoro. Notano che il loro modello assume che $\sigma$ e $\xi$ siano indipendenti e identici per entrambe le interfacce della giunzione, un'assunzione che richiede verifica sperimentale sotto diverse condizioni di crescita. Inoltre, identificano direzioni future che collegano questo modello alla caratterizzazione sperimentale delle giunzioni fabbricate e integrano i loro solver di superconduttività con software di ingegneria delle microonde per consentire la co-progettazione di giunzioni ed elementi del circuito. Il documento non propone nuovi protocolli sperimentali né rivendica di aver risolto interamente il problema della variabilità, ma stabilisce una linea di base teorica per quantificare l'impatto della rugosità dell'interfaccia.