技术摘要：zenDot | 集成大语言模型（LLM）的量子 TCAD 平台

问题陈述

半导体量子器件设计目前缺乏一个能够连接材料几何、量子多体模拟与自动化设计工作流的集成化技术计算机辅助设计（TCAD）环境。虽然相关的物理过程——从静电学、输运到离散能谱、交换耦合和相干性——在各自领域已趋于成熟，但它们仍然分散在不同的代码和特定研究的脚本中。这种碎片化阻碍了将量子器件视为单一且持续演进的设计对象。此外，尽管大语言模型（LLM）在规划科学工作流方面展现出潜力，但它们缺乏直接作用于实际模拟工具的能力。现有方法通常依赖 AI 来描述计算，而非在机器可操作的物理环境中执行计算，这限制了其在实际器件工程中的效用。

方法论

作者引入了 zenDot，这是一个旨在通过三个核心组件统一“器件-物理”工作流的平台：

1. 统一器件状态（Unified Device State）： zenDot 从一个由材料定义的器件表示（几何结构、层、栅极、库）开始。该状态不会在每个阶段重新构建，而是按顺序传递至静电学、电荷/输运表征、关联态计算以及量子比特建模阶段。这确保了几何结构、静电学和量子可观测量被视为同一个对象的连续视图。
2. 通用组件注册表（Common Component Registry）： 该平台通过单一注册表公开了 18 个计算组件和 18 个可视化组件。该注册表涵盖了静电学、光谱学、动力学和量子比特操作。至关重要的是，相同的组件标识符可通过桌面工作台、Python API 和嵌入式 LLM 智能体进行访问。这确保了 LLM 选择的计算与人类研究人员执行的计算完全一致，避免了 AI 特有的近似偏差。
3. 物理感知执行层（Physics-Aware Execution Layer）： 为了实现自动化操作，zenDot 实现了一个层级，使 LLM 能够提出计算建议或对设计变量进行有界修改。平台会验证这些操作是否与当前器件状态兼容，执行注册的求解器，并将定量结果（带有单位和求解器上下文）返回给设计循环。这使 LLM 扮演着选择和排序动作的角色，而物理引擎则提供数值证据。

该平台集成了一个凝聚态物理工具箱，包括平衡电荷、顺序/有限偏压输运、磁光谱学、维格纳分子（Wigner-molecule）关联、矩阵乘积基态以及非平衡格林函数（NEGF）输运。

关键结果

该平台通过一个横向 Si/SiO₂ 双量子点器件进行了演示：

• 器件表征： 单一器件状态成功重现了完整的表征工作流，推导出的杠杆臂（lever arms）、充电能和隧穿耦合与器件的镜像对称性保持一致。
• 多编码支持： 同一个校准后的器件状态支持三种不同的量子比特模型，而无需重建物理结构：
  • 混合量子比特（Hybrid Qubit）： 实现逻辑分裂能约为 348 µeV (84 GHz)，品质因子 ($Q$) 约为 149,000。
  • 隧穿电荷量子比特（Tunnel-Charge Qubit）： 展示了一个具有 $Q \approx 846$ 的双能级反交叉现象。
  • 单态-三态量子比特（Singlet-Triplet Qubit）： 通过针对通用控制目标的优化 Zeeman 梯度，识别出一个运行点，使预测的最差门保真度从 0.759 降低至 0.0259（约 29 倍的提升）。
• LLM 驱动的设计迭代： 在三个演示任务中，LLM 智能体完成了 18 次经过验证的设计迭代：
  • 电学调优： 智能体优化了混合量子比特和隧穿电荷量子比特的势垒电压，分别将 $Q$ 提高了约 36% 和 260%。
  • 几何修改： 智能体改变了点间栅极长度，触发了从材料堆栈开始的全流程重新求解。这降低了单态-三态任务中的测量保真度损失，展示了跨越“参数调优”到“物理设计”边界的能力。

意义与主张

论文声称 zenDot 建立了一个机器可操作的量子 TCAD 工作流，将器件物理学与 LLM 驱动的设计探索连接起来。其主要意义在于将模拟重新定义为不再是独立的计算集合，而是一个连贯的环境，其中相同的物理组件可以被人类研究员和语言模型原生访问。

作者强调，这种集成实现了：

• 连续性： 从材料堆栈到量子比特可观测量，无需重建器件状态即可实现过渡。
• 直接代理能力： 使 LLM 能够编辑器件几何结构并从材料堆栈触发全新的物理计算，而非仅仅优化拟合的代理模型。
• 可迁移性： 能够在共同的设计状态内探索耦合的器件与量子比特指标（例如，电荷噪声与相干轴误差之间的关系）。

作者对于优化结果保持了谦逊的态度，指出智能体运行是该操作模型的演示，而非优化智能度的基准测试。他们承认了局限性，例如使用了单一的本地 LLM、未在引用的门保真度中包含弛豫效应，以及缺乏传播的材料不确定性。然而，他们认为该平台为日益自动化且具有实验依据的量子器件工程提供了一个通用的底层架构。