MétaCan
Menu
Retour à la cohorte
Enregistrement W3047945605 · doi:10.1038/s41467-021-23437-w

Bell-state tomography in a silicon many-electron artificial molecule

2021· article· en· W3047945605 sur OpenAlexafffund

Notice bibliographique

RevueNature Communications · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueQuantum and electron transport phenomena
Établissements canadiensCanadian Institute for Advanced ResearchUniversité de Sherbrooke
Organismes subventionnairesArmy Research OfficeAustralian Research CouncilCanada First Research Excellence FundAustralian National Fabrication Facility
Mots-clésQubitQuantum dotSiliconQuantum computerQuantumSpin (aerodynamics)Trapped ion quantum computerWave functionQuantum tomographyQuantum technology

Résumé

récupéré en direct d'OpenAlex

An error-corrected quantum processor will require millions of qubits, accentuating the advantage of nanoscale devices with small footprints, such as silicon quantum dots. However, as for every device with nanoscale dimensions, disorder at the atomic level is detrimental to quantum dot uniformity. Here we investigate two spin qubits confined in a silicon double quantum dot artificial molecule. Each quantum dot has a robust shell structure and, when operated at an occupancy of 5 or 13 electrons, has single spin-[Formula: see text] valence electron in its p- or d-orbital, respectively. These higher electron occupancies screen static electric fields arising from atomic-level disorder. The larger multielectron wavefunctions also enable significant overlap between neighbouring qubit electrons, while making space for an interstitial exchange-gate electrode. We implement a universal gate set using the magnetic field gradient of a micromagnet for electrically driven single qubit gates, and a gate-voltage-controlled inter-dot barrier to perform two-qubit gates by pulsed exchange coupling. We use this gate set to demonstrate a Bell state preparation between multielectron qubits with fidelity 90.3%, confirmed by two-qubit state tomography using spin parity measurements.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,263
Écart entre enseignants0,254 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations26
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetQuantum and electron transport phenomenaTravaux en français237 207