zenDot: An LLM-integrated quantum TCAD platform for semiconductor quantum-device design and optimization automation

Het ontwerpen van de minuscule elektronische componenten die onze moderne wereld van stroom voorzien, leunt al lang op een specifiek soort digitale werkplaats. Ingenieurs gebruiken geavanceerde software om te simuleren hoe materialen en vormen zich gedragen voordat ze ook maar één stuk silicium snijden. Dit proces, bekend als technology computer-aided design, stelt hen in staat om een structuur op een scherm aan te passen en direct te zien hoe elektriciteit erdoorheen zal stromen, wat jaren van trial-and-error in het laboratorium bespaart. Echter, naarmate wetenschappers deze componenten naar het domein van de kwantummechanica duwen — de natuurkunde die het gedrag van atomen en subatomaire deeltjes beheerst — begint deze traditionele aanpak te breken. Kwantumapparaten geleiden niet alleen elektriciteit; ze bestaan in delicate toestanden van superpositie en verstrengeling, waarbij de regels van de klassieke natuurkunde niet langer van toepassing zijn. Om een werkende kwantumbit, of qubit, te ontwerpen, moeten onderzoekers nu een complex landschap navigeren dat niet alleen elektrische velden omvat, maar ook de discrete energieniveaus van elektronen, hoe zij door barrières tunnelen en hoe zij met elkaar interageren in groepen. Momenteel is er geen enkele omgeving die de fysieke vorm van een apparaat verbindt met deze complexe kwantumgedragingen. In plaats daarvan moeten wetenschappers vaak tussen verschillende softwareprogramma's springen, waarbij ze handmatig gegevens overdragen en het model van het apparaat bij elke stap opnieuw opbouwen, een proces dat traag, foutgevoelig en moeilijk te automatiseren is.

Een team van onderzoekers heeft een nieuw platform geïntroduceerd genaamd zenDot om deze fragmentatie op te lossen. Dit systeem fungeert als een verenigde werkplaats die de fysieke geometrie van een halfgeleiderapparaat direct koppelt aan een uitgebreide set kwantumfysica-instrumenten. Stel je een enkel digitaal object voor dat een kwantumapparaat vertegenwoordigt; in zenDot draagt dit object zijn eigen geschiedenis en fysieke eigenschappen terwijl het door verschillende stadia van analyse beweegt. Het begint met de grondstoffen en de lay-out van de poorten, stroomt vervolgens naar berekeningen over hoe elektrische velden het apparaat vormgeven, en gaat ten slotte over in complexe simulaties van hoe elektronen zich als een groep gedragen. Wat dit platform uniek maakt, is dat het niet alleen een verzameling instrumenten is voor menselijke wetenschappers; het is gebouwd om te worden bediend door een kunstmatige intelligentie-agent. Het systeem integreert een groot taalmodel, een type AI dat in staat is om natuurlijke taal te begrijpen en meerstaps-taken te plannen, rechtstreeks in de simulatiemotor. Dit stelt de AI in staat om wijzigingen aan het apparaat voor te stellen, de noodzakelijke natuurkundige berekeningen uit te voeren en de resultaten te evalueren zonder menselijke tussenkomst, waardoor een gesloten lus van ontwerp en optimalisatie ontstaat die voorheen onmogelijk was.

Om de kracht van deze aanpak te demonstreren, hebben de onderzoekers zenDot toegepast op een specifiek type kwantumapparaat: een dubbele kwantumdot gemaakt van silicium en siliciumdioxide. Deze structuur bestaat uit twee minuscule vallen voor elektronen, gescheiden door een barrière, die gebruikt kunnen worden om kwantuminformatie op te slaan en te verwerken. Het platform construeerde eerst het apparaat vanuit de materiaallagen en elektrische controles, waarbij werd berekend hoe de elektronen binnen het silicium zouden worden opgesloten. Vanuit dit enkele, consistente model genereerde het systeem automatisch de gegevens die nodig waren om het apparaat op drie verschillende manieren te analyseren, overeenkomend met drie verschillende typen kwantumbits. Het modelleerde succesvol een hybride qubit, een tunnel-ladingqubit en een singlet-triplet qubit. In elk geval nam het platform dezelfde onderliggende fysieke staat en leidde de specifieke energieniveaus, stabiliteit en prestatieparameters af die vereist zijn voor dat specifieke ontwerp. Dit bewees dat één enkele apparaatdefinitie meerdere, complexe kwantumanalyses kon ondersteunen zonder de noodzaak om het model opnieuw op te bouwen of van softwareomgeving te wisselen.

De ware innovatie van zenDot ligt echter in de manier waarop het het ontwerpproces zelf afhandelt. De onderzoekers plaatsten de AI-agent binnen de simulatielus om als ontwerper te fungeren. Ze gaven de agent een specifiek doel, zoals het verbeteren van de stabiliteit van een kwantumbit, en lieten hem kiezen welke parameters hij zou veranderen. In één experiment paste de agent de elektrische spanning toe op de poorten van het apparaat. In een ander experiment ging het een stap verder en veranderde het fysiek de geometrie van het apparaat door de lengte van een poort aan te passen. Telkens wanneer de agent een wijziging voorstelde, voerde het platform de natuurkundige berekening uit, mat het resultaat en voedde die gegevens terug aan de agent voor de volgende beslissing. Gedurende drie verschillende taken voltooide de agent achttien afzonderlijke ontwerpiteraties. In de meest complexe taak, waarbij de agent de fysieke vorm van het apparaat wijzigde, verminderde het de voorspelde foutmarge van een kwantumpoortoperatie met bijna dertig keer. Dit was geen eenvoudige aanpassing van getallen; het systeem moest de volledige fysieke simulatie telkens weer vanaf de grond opbouwen na elke geometrische verandering, een taak die voor een mens ongelooflijk tijdrovend zou zijn om herhaaldelijk uit te voeren.

De resultaten laten zien dat zenDot een nieuwe manier vestigt om kwantumtechniek aan te pakken, waarbij de grens tussen menselijk ontwerp en machinebedrijf vervaagt. Het platform vervangt de natuurkunde niet; het biedt eerder een machineleesbare interface voor dezelfde rigoureuze berekeningen die wetenschappers altijd al hebben gebruikt. Door de AI-agent binnen dezelfde omgeving als de menselijke onderzoeker te houden, zorgt het systeem ervoor dat elke suggestie geworteld is in echte natuurkundige wetten in plaats van abstracte gissingen. De onderzoekers merken op dat hoewel de specifieke cijfers die zij bereikten afhangen van hun gesimuleerde apparaat, het vermogen om naadloos te bewegen van materiaallagen naar kwantumprestaties, en om een AI door die ruimte te laten navigeren, een fundamentele verschuiving in capaciteit vertegenwoordigt. Dit werk suggereert een toekomst waarin het ontwerp van kwantumcomputers tot een zodanig niveau kan worden geautomatiseerd dat een snelle verkenning van miljoenen ontwerpvariaties mogelijk is, wat de weg versnelt van theoretisch concept naar een werkende kwantummachine.