MétaCan
Menu
Retour à la cohorte
Enregistrement W2906349515 · doi:10.1088/1361-6641/ab516a

Few-electrode design for silicon MOS quantum dots

2019· article· en· W2906349515 sur OpenAlexafffund

Notice bibliographique

RevueSemiconductor Science and Technology · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueQuantum and electron transport phenomena
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesWaterloo Institute for Nanotechnology, University of WaterlooNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundUniversity of Waterloo
Mots-clésQuantum dotQubitFabricationElectrodeScalabilitySiliconElectronQuantum computer

Résumé

récupéré en direct d'OpenAlex

Abstract Silicon metal-oxide-semiconductor (MOS) spin qubits have become a promising platform for quantum information processing, with recent demonstrations of high-fidelity single and two-qubit gates. To move beyond a few qubits, however, more scalable designs that reduce the fabrication complexity and electrode density are needed. Here, we introduce a two-metal-layer MOS quantum dot device in which tunnel barriers are naturally formed by gaps between electrodes and controlled by adjacent accumulation gates. The accumulation gates define the electron reservoirs and provide tunability of the tunnel rate of nearly 8.5 decades V −1 , determined by a combination of charge sensor electron counting measurements and by direct transport. The valley splitting in the few-electron regime is probed by magneto-spectroscopy up to a field of 6 T, providing an estimate for the ground-state gap of 290 μ eV. We show preliminary characterization of a double quantum dot, demonstrating that this design can be extended to linear dot arrays that should be useful in applications like electron shuttling. These results motivate further innovations in MOS quantum dot design that can improve the scalability prospects for spin qubits.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,238
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSemiconductor Science and TechnologyMême sujetQuantum and electron transport phenomenaTravaux en français237 207