Device variability of Josephson junctions induced by interface roughness

Resumo Técnico: Variabilidade de Dispositivos de Junções de Josephson Induzida por Rugosidade de Interface

Definição do Problema
À medida que os processadores quânticos supercondutores escalam em direção aos milhares de qubits necessários para a computação quântica tolerante a falhas (por exemplo, o algoritmo de Shor), a variabilidade dispositivo-a-dispositivo emergiu como um gargalo crítico. Os qubits supercondutores, particularmente os transmons, dependem de junções de Josephson Al/AlOx/Al operando no regime de tunelamento. Neste regime, a corrente crítica $I_c$ — e, consequentemente, a energia de Josephson $E_J$ — depende exponencialmente dos detalhes microscópicos da barreira. Mesmo variações menores na geometria da interface Al/AlOx, como flutuações locais de espessura ou contaminação, podem induzir desvios substanciais nas frequências de transição dos qubits e nas fidelidades de porta. Embora esforços experimentais extensos tenham se concentrado na melhoria da reprodutibilidade das junções através da otimização de processos e microscopia, faltava um arcabouço teórico quantitativo que conectasse o desordem microestrutural (especificamente a rugosidade da interface) às estatísticas de energia ao nível da junção.

Metodologia
Os autores desenvolvem um modelo quantitativo que faz a ponte entre o desordem da interface em escala atômica e as propriedades de transporte macroscópicas da junção. A abordagem integra três componentes primários:

1. Modelagem da Rugosidade da Interface: A interface Al/AlOx é modelada como um campo aleatório gaussiano $h(x,y)$ caracterizado por dois parâmetros: a amplitude de rugosidade RMS (raiz quadrada do valor médio) $\sigma$ e o comprimento de correlação transversal $\xi$. Esses parâmetros são derivados de literatura experimental existente (por exemplo, estudos de TEM de tamanhos de grão e histogramas de espessura) e novas simulações de dinâmica molecular (MD). As simulações de MD, utilizando o potencial de aprendizado de máquina CHGNet, modelam a oxidação de uma superfície de Al para estimar $\sigma$ sob condições idealizadas.
2. Aproximação de Transporte Quântico: Para lidar com a intratabilidade computacional de resolver a equação de Bogoliubov–de Gennes (BdG) para tamanhos de junção realistas ($\sim 100 \text{ nm} \times 100 \text{ nm}$), os autores empregam duas aproximações principais:
   • Relação de Ambegaokar–Baratoff (AB): A corrente crítica é calculada via relação AB, ligando $I_c$ à resistência normal $R_N$. Isso reduz a complexidade computacional ao evitar a integração sobre todo o espectro de energia e focar no coeficiente de transmissão na energia de Fermi.
   • Aproximação de Espessura Local: Dado que o comprimento de onda de Fermi ($\lambda_F \approx 3,6$ Å) e o comprimento de decaimento da barreira ($\lambda_D \approx 1,9$ Å) são muito menores que o comprimento de correlação da rugosidade ($\xi \sim 10$ nm), a junção é tratada como um conjunto de canais de tunelamento independentes. A condutância total é aproximada como a integral das densidades de condutância local, onde a espessura local da barreira varia de acordo com o perfil de rugosidade.
3. Simulação Numérica: O modelo é aplicado a um conjunto de 5.000 junções de Josephson com perfis de barreira de tunelamento variados, gerados pelo modelo de campo aleatório gaussiano.

Principais Resultados
As simulações numéricas produzem diversos insights quantitativos sobre o comportamento estatístico de $E_J$:

• Distribuição Log-Normal: A distribuição da energia de Josephson $E_J$ através do conjunto não é gaussiana, mas segue uma distribuição log-normal. Isso ocorre porque $E_J$ depende exponencialmente da espessura da barreira, que é normalmente distribuída. Consequentemente, a função de densidade de probabilidade é enviesada para valores maiores.
• Impacto da Rugosidade RMS ($\sigma$): O aumento da amplitude de rugosidade RMS $\sigma$ leva a um aumento significativo tanto no valor médio $\langle E_J \rangle$ quanto na variância $\text{Var}(E_J)$. O aumento no valor médio é atribuído à sensibilidade exponencial do tunelamento, onde regiões excepcionalmente finas e raras dominam a condutância total.
• Impacto do Comprimento de Correlação ($\xi$): O aumento do comprimento de correlação transversal $\xi$ causa uma leve diminuição no valor médio $\langle E_J \rangle$, mas um aumento acentuado na variância $\text{Var}(E_J)$. A variância aumenta porque um $\xi$ maior reduz o número de canais de tunelamento estatisticamente independentes (auto-averiguação), aumentando as flutuações amostra-a-amostra. O valor médio diminui ligeiramente devido a efeitos de tamanho finito; conforme $\xi$ se aproxima das dimensões da junção, a probabilidade de realizar as regiões raras de barreira extremamente fina que dominam o tunelamento é reduzida.
• Variabilidade da Frequência do Qubit: Usando as estatísticas derivadas para $E_J$ e assumindo uma energia de carga $E_C$ típica, o modelo prevê um desvio padrão na frequência de transição do qubit $\omega_{01}/2\pi$ de aproximadamente 0,364 GHz em torno de uma média de 6,145 GHz para os parâmetros específicos testados.

Significância e Alegações
O artigo afirma fornecer uma "visão quantitativa e intuitiva" de como a rugosidade da superfície induz a variabilidade na energia de Josephson. Ao conectar parâmetros microestruturais ($\sigma$ e $\xi$) diretamente às estatísticas do nível da junção, o trabalho oferece um arcabouço para compreender os desafios de rendimento e uniformidade em processadores quânticos de grande escala. Os autores enfatizam que seus resultados têm "relevância direta para o design de junções", sugerindo que controlar os parâmetros de rugosidade da interface é crucial para minimizar a variabilidade dos dispositivos.

Os autores mantêm uma postura modesta em relação ao escopo de seu trabalho. Eles observam que seu modelo assume que $\sigma$ e $\xi$ são independentes e idênticos para ambas as interfaces na junção, uma suposição que requer verificação experimental sob diversas condições de crescimento. Além disso, eles identificam direções futuras para conectar este modelo à caracterização experimental de junções fabricadas e integrar seus solucionadores de supercondutividade com softwares de engenharia de micro-ondas para permitir o co-design de junções e elementos de circuito. O artigo não propõe novos protocolos experimentais nem afirma resolver o problema da variabilidade inteiramente, mas estabelece uma linha de base teórica para quantificar o impacto da rugosidade da interface.