Formation of niobium hydride precipitates in superconducting qubits
Notice bibliographique
Résumé
We report evidence for the formation of niobium hydride phase within niobium films on silicon substrates in superconducting qubits fabricated at Rigetti Computing. For this study, we combined complementary techniques—including room-temperature and cryogenic atomic force microscopy (AFM), synchrotron x-ray diffraction, and time-of-flight secondary ion mass spectroscopy (ToF-SIMS)—to directly reveal the existence of niobium hydride precipitates on the surface of superconducting qubits. Upon cryogenic cooling, we observed variation in the size and morphology of the hydrides, ranging from small (∼5 nm) irregular shapes to large (∼10–100 nm) domains within the Nb grains, which were fully converted to niobium hydrides. Since niobium hydrides are nonsuperconducting and can easily change in size and location upon different cooldowns to cryogenic temperature, our finding highlights a previously unknown source of decoherence in superconducting qubits. This contributes to quasiparticle losses, offering a potential explanation for changes in qubit performance upon cooldowns. Finally, by leveraging the RF performance of a 3D bulk Nb resonator, we quantify RF dissipation in a superconducting qubit caused by hydrogen concentration variation, and propose a practical engineering pathway to mitigate the formation of Nb hydrides for superconducting qubit applications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».