Científicos de la Universidad de Oxford, en colaboración con la Universidad de Basilea y la Universidad de Lancaster, han desarrollado un algoritmo que se puede utilizar para medir puntos cuánticos automáticamente.

El espín electrónico de electrones individuales en puntos cuánticos podría servir como la unidad de información más pequeña de una computadora cuántica. Escribiendo en npj Quantum Information, los científicos describen cómo pueden acelerar enormemente este proceso que consume mucho tiempo con la ayuda del aprendizaje automático.

Su enfoque de la medición y el control automáticos de qubits representa un paso clave hacia su aplicación a gran escala.

Dra. Natalia Ares del Departamento de Materiales de la Universidad de Oxford, dijo:"Por primera vez, hemos aplicado el aprendizaje automático para realizar mediciones eficientes en puntos cuánticos de arseniuro de galio, permitiendo así la caracterización de grandes conjuntos de dispositivos cuánticos ".

Profesor Dr. Dominik Zumbühl de la Universidad de Basilea, dijo:“El siguiente paso en nuestro laboratorio es ahora aplicar el software a puntos cuánticos semiconductores hechos de otros materiales que se adaptan mejor al desarrollo de una computadora cuántica.

"Con este trabajo, hemos hecho una contribución clave que allanará el camino para arquitecturas qubit a gran escala ".

Por muchos años, el espín electrónico de electrones individuales en un punto cuántico ha sido identificado como un candidato ideal para la unidad de información más pequeña en una computadora cuántica, también conocido como qubit.

En puntos cuánticos hechos de materiales semiconductores en capas, los electrones individuales quedan atrapados en una trampa, por así decirlo. Sus giros se pueden determinar de forma fiable y cambiar rápidamente, con investigadores manteniendo los electrones bajo control aplicando voltajes a las diversas nanoestructuras dentro de la trampa. Entre otras cosas, esto les permite controlar cuántos electrones entran en el punto cuántico desde un depósito a través de efectos de túnel. Aquí, incluso los pequeños cambios de voltaje tienen una influencia considerable sobre los electrones.

Para cada punto cuántico, los voltajes aplicados deben ajustarse cuidadosamente para lograr las condiciones óptimas. Cuando se combinan varios puntos cuánticos para escalar en el dispositivo hasta una gran cantidad de qubits, Este proceso de sintonía requiere mucho tiempo porque los puntos cuánticos de los semiconductores no son completamente idénticos y deben caracterizarse individualmente.

Este algoritmo revolucionario ayudará a automatizar el proceso. El enfoque de aprendizaje automático de los científicos reduce el tiempo de medición y el número de mediciones en comparación con la adquisición de datos convencional.

Los científicos han entrenado la máquina con datos sobre la corriente que fluye a través del punto cuántico a diferentes voltajes. Como la tecnología de reconocimiento facial, el software aprende gradualmente dónde se necesitan más mediciones, con miras a lograr la máxima ganancia de información. Luego, el sistema realiza estas mediciones y repite el proceso hasta que se logra una caracterización efectiva de acuerdo con criterios predefinidos y el punto cuántico se puede usar como un qubit.