抖阴旅行射

【本学研究者情报】

〇材料科学高等研究所/電気通信研究所　准教授　大塚 朋廣

【発表のポイント】

• 半导体量子ドット^（注1）の电荷状态を调べられる电荷状态推定器を、人工知能（础滨）に含まれる机械学习の手法で、画像の特徴抽出などに用いる畳み込みニューラルネットワーク(颁狈狈) ^（注2）によって実现しました。
• これまでブラックボックスとなっていた电荷状态推定器の判断根拠を可视化でき、推定器の性能改善の指针となることを示しました。
• この推定器を活用することで半导体スピン量子ビット^（注3）のパラメーターを自动で调整できることが期待されます。将来的に多数の量子ビットを人の手で调整することが难しくなる场合でも、本技术が自动调整を可能にし、量子コンピューターの大规模化に贡献することが期待されます。

【概要】

集积性や既存の半导体技术との亲和性の高さなどの観点から、半导体スピン量子ビットは量子コンピューター^（注4）の构成要素として期待されています。大规模な量子コンピューターに向けては、多数の量子ビットを连动させ、制御する必要がありますが、その际に制御パラメーター调整の自动化が重要です。

東北大学大学院工学研究科の武藤由依大学院生（電気通信研究所所属）、同大学材料科学高等研究所（WPI-AIMR）の篠﨑基矢特任助教と大塚朋廣准教授（電気通信研究所兼任）、同大学未踏スケールデータアナリティクスセンターの志賀元紀教授（大学院情報科学研究科兼任）らは、2つの量子ドットが静電的に結合した二重量子ドットのシミュレーションデータをCNNに学習させることで、電荷状態の自動推定器を実現し、実際の実験データにおける電荷状態推定を実証しました。またGrad-CAM（Gradient-Weighted Class Activation Mapping）^（注5）と呼ぶ技术を用いることで、推定器の判断根拠を可视化し、更なる性能改善が可能であることを実証しました。今后は本推定手法とパラメーターの自动最适化手法を组み合わせて量子ドット调整自动化を进め、量子コンピューターの大规模化に贡献することが期待されます。

本研究成果は、2024年4月15日（現地時間）に米国物理学協会の専門誌APL Machine Learningにオンライン掲載されました。

図1. (a) 電荷状態推定器学習までの流れ。CNNの学習データはCIモデルによるシミュレーションで用意。データに前処理を施し簡単化?ノイズ付与したものをCNNに学習させることで推定器を構築。(b) 実験データの電荷状態を推定するまでの流れ。こちらも前処理を施してから推定器に入力し、電荷状態推定を行う。

【用语解説】

注1. 半导体量子ドット
电子が叁次元的に闭じ込められた寸法が数十ナノメートル程度（苍尘：ナノは10亿分の1）の半导体。量子箱とも言う。

注2. 畳み込みニューラルネットワーク(CNN)
掛け算の结果を顺次加算する畳み込み演算（积和演算）により、画像から様々な特徴を抽出するためのネットワーク。画像分类等に用いられる。

注3. 半導体スピン量子ビット
量子コンピューターの计算素子である量子ビットの実装法の1つ。量子ドット中に电気的に闭じ込められた电子のスピンをビットとして活用する。

注4. 量子コンピューター
量子力学の现象を情报処理技术に适用し、従来型の古典コンピューターでは容易に解くことのできない复雑な计算をこなすことができるコンピューター。

注5. Grad-CAM （Gradient-Weighted Class Activation Mapping）
颁狈狈による画像分类の予测时に、画像中で重要な特徴领域を可视化する技术。

详细（プレスリリース本文）

问い合わせ先

（研究に関すること）
东北大学　材料科学高等研究所（奥笔滨-础滨惭搁）
（兼）东北大学　电気通信研究所
（兼）东北大学　大学院工学研究科
（兼）東北大学　Tohoku Quantum Alliance (TQA)
（兼）东北大学　先端スピントロニクス研究开発センター
准教授　大塚　朋广
TEL: 022-217-5509
Email: tomohiro.otsuka*tohoku.ac.jp（*を@に置き換えてください）

（报道に関すること）
东北大学材料科学高等研究所（奥笔滨-础滨惭搁）
広报戦略室
TEL: 022-217-6146
Email: aimr-outreach*grp.tohoku.ac.jp（*を@に置き換えてください）