量子科技中心_量科网

随着量子点自旋量子比特向更大规模、更复杂的器件架构发展，快速自动化设备表征与数据分析工具变得至关重要。电荷稳定图（CSD）中跃迁线的取向与间距蕴含着量子点器件电容环境的特征指纹，使得这类测量成为器件表征的有效工具。然而，人工解读这些特征不仅耗时且易出错，在大规模应用中更不切实际。该研究团队提出了一种从电荷稳定图中自动提取底层电容特性的方案，该方法融合机器学习、图像处理与目标检测技术，无需人工标注即可实现大规模数据集中电荷跃迁的识别与追踪。研究人员通过实验测量的应变锗单量子阱（平面型）与应变锗双量子阱（双层）量子点器件数据验证了该方法的有效性。与平面型量子点器件不同，锗双层异质结构中的电荷稳定图呈现出更丰富的跃迁特征，包括层间隧穿效应和垂直堆叠量子点的独特加载线，这使其成为自动化方法的理想测试平台。通过分析大量电荷稳定图的特性，该工作能统计估算出物理相关参量，如相对杠杆臂和电容耦合强度。因此，该方案实现了对量子点器件非平凡物理信息的快速提取。