MétaCan
Menu
Retour à la cohorte
Enregistrement W4309812876 · doi:10.1149/ma2022-02321207mtgabs

(Invited) Optoelectronic Quantum Information Processing: An All-Group IV Integrated Platform

2022· article· en· W4309812876 sur OpenAlexaff
Oussama Moutanabbir, Patrick Del Vecchio, Anis Attiaoui, Gabriel Fettu, Nicolas Rotaru, Simone Assali

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Reservoir Computing
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésPhotonQubitHeterojunctionQuantum entanglementSemiconductorScalabilityQuantum informationPhysicsQuantum information scienceQuantum computerOptoelectronicsQuantumComputer scienceEngineering physicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Achieving coherent optical photon-to-spin conversion is a long-sought-after strategy for surmounting current fundamental limits in optical schemes that hinder the long-distance distribution of entanglement. Moreover, photon-to-spin interfaces are also essential for a direct mapping of the quantum information encoded in photon flying qubits to stationary spin processors. However, the lack of scalable materials offering an efficient interaction with optical photons along with optimal spin properties remains a formidable obstacle hindering the development of these quantum technological components. With this perspective, this presentation will discuss strategies to address these challenges by leveraging the degrees of freedom offered by group IV (Si)GeSn semiconductors, namely strain and composition, to tailor the electronic structure and eventually fulfill these prerequisites. These innovative systems do not only have the potential to enable coherent photon-to-spin interfaces, but because of their compatibility with the semiconductor industry they will also offer scalability, manufacturability, and cost-effectiveness. We will show that this family of semiconductors provide an additional flexibility to control the charge carrier states and achieve a selective confinement of holes. The latter benefit from a quiet quantum environment that has been at the core of increasingly reliable quantum processors and memories. However, most if not all available experimental studies of two-dimensional gas systems have been thus far focused on heavy-hole (HH) states. This is attributed to the nature of the heterostructures currently available (e.g, Ge/SiGe, InGaAs/GaAs), where compressive strain lifts the valence band degeneracy and leaves HH states energetically well above the light-hole (LH) states. We will demonstrate that tensile strained Ge/GeSn quantum wells alleviate these limitations and allow to selectively confine LH provided the strain is higher than 1%. This requires strain relaxed, high Sn content GeSn buffer layers to be used to grow Ge quantum wells with LH ground state, high g-factor anisotropy, and a tunable splitting of the hole subbands. The optical and electronic properties of these low-dimensional systems will be described and discussed. Spin injection and coherent control will also be addressed. Additionally, qubit designs exploiting the ability to engineer LH states and the Ge large spin-orbit coupling allowing fast all-electrical spin-manipulation schemes will also be presented and discussed.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,860

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
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 Opus0,020
Tête enseignante GPT0,245
Écart entre enseignants0,225 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetNeural Networks and Reservoir ComputingTravaux en français237 207