量子科技中心_量科网

机器学习（ML）的最新进展加速了量子点（QD）器件校准与操作的研究进程。然而，多数ML方法依赖于获取大规模高质量标注数据集进行训练、基准测试和验证，这些标签需捕获数据中的关键特征。由于实验数据获取受限且人工标注耗时，获得此类数据集极具挑战性。QDFlow作为面向多量子点阵列的开源物理模拟器，可生成带有真实标签的高仿真合成数据。 该工具通过结合自洽托马斯-费米求解器、动态电容模型及灵活噪声模块，生成与实验高度吻合的电荷稳定图及射线探测数据。凭借大量可调参数和可定制噪声模型，QDFlow能为ML开发、基准测试及量子器件研究创建多样化大规模数据集。