Design and modelling of long-coherence qubits using energy participation ratios
Loading...
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Author
Date
2023-05-16
Department
Major/Subject
Materials Physics and Quantum Technology
Mcode
SCI3107
Degree programme
Master’s Programme in Engineering Physics
Language
en
Pages
68+6
Series
Abstract
Quantum computers are devices that use quantum phenomena for information processing, with the advantage of solving specific problems faster than classical computers. Superconducting circuits with Josephson junctions have emerged as one of the most promising platforms for large-scale quantum computing in the last decade. However, in the current noisy intermediate-scale quantum era, circuits and algorithms suffer from low fidelities and limited amount of superconducting quantum bits, or qubits. Short coherence times owing to undesired transitions between the excited and ground states of a qubit, are one of the primary sources of error. This work studies the contribution of losses arising from two-level systems, localized predominantly in material interfaces, on the coherence time for conventional superconducting-qubit geometries. This is accomplished by using the method of energy participation ratios with electromagnetic finite-element-method simulations. First, we compare energy participations in two-dimensional cross-sections to those in a similar three-dimensional environment with a thin-sheet approximation for metal thickness and no modelling of lossy material interfaces. After validating the approximations, the method of energy participation ratios is further applied to analyze real-world qubit designs, demonstrating how the approach can facilitate the development of high-coherence superconducting quantum devices. Individual design parameter sweeps are also conducted to provide insight into dependencies on the geometry. We discover that the electric field is concentrated near the Josephson junction area, and the resulting participations are primarily influenced by the lengths of etched gaps between metals in a chip. A Bayesian machine-learning-based optimizer is introduced to systematically discover design geometries that improve qubit relaxation time. This approach is applied to a modified version of a common qubit geometry defined by splines. Furthermore, the workflow is implemented in KQCircuits, a GPLv3-licensed open-source layout design tool for designing state-of-the-art superconducting circuits and processors.Kvanttitietokoneet ovat kvantti-ilmiöitä hyödyntäviä laitteita, jotka ratkaisevat tiettyjä ongelmia nopeammin kuin perinteiset tietokoneet. Kymmenen viime vuoden aikana Josephsonin liitoksiin perustuvat suprajohtavat piirit ovat nousseet yhdeksi lupaavimmista alustoista suuren mittakaavan kvanttilaskentaan. Nykyisellä kohisevien kvanttitietokoneiden aikakaudella piirit ja algoritmit kärsivät alhaisista fideliteeteistä sekä vähäisestä määrästä kvanttibittejä eli kubitteja. Merkittävä syy tälle ovat lyhyet koherenssiajat, jotka johtuvat pääasiassa ei-toivotuista muutoksista kubitin energiassa. Tässä diplomityössä tutkitaan ainerajapintoihin sijoittuneiden kaksitasojärjestelmien aiheuttamien häviöiden osuutta koherenssiaikaan tavanomaisissa suprajohtavien kubittien geometrioissa. Tämä toteutetaan hyödyntämällä energian jakautumismallia elementtimenetelmäsimulaatioiden avulla. Aluksi verrataan energian jakautumista kaksiulotteisessa poikkileikkauksessa vastaavaan ohutkalvolikimääräistämistä ja mallintamattomia häviöllisiä rajapintoja käyttävään kolmiulotteiseen ympäristöön. Likimääräistysten paikkansapitävyyden vahvistamisen jälkeen menetelmää sovelletaan varsinaisten kubittien geometrioiden tutkimiseen osoittaen kyseisen lähestymistavan kelvollisuuden pitkän koherenssiajan suprajohtavien kvanttilaitteiden kehitykseen. Toisistaan riippumattomia geometrian säätöarvojen vaihteluita myös toteutetaan geometristen riippuvuuksien tarkastelemiseksi. Tulokseksi saadaan, että sähkökenttä on keskittynyt Josephsonin liitoksen läheisyyteen ja että energian jakautumiseen vaikuttavat ensisijaisesti metalliin etsattujen välien pituudet sirussa. Työssä toteutetaan Bayesiläiseen koneoppimiseen perustuva optimoija, joka etsii järjestelmällisesti kubitin koherenssiaikaa pidentäviä geometrian säätöarvoja. Tätä lähestymistapaa sovelletaan splineillä muunneltuun versioon tavanomaisesta kubitin geometriasta. Lisäksi tämä menetelmä liitetään KQCircuitsiin eli GPLv3-lisensoituun avoimen lähdekoodin viimeisintä tekniikkaa edustavien suprajohtavien kvanttiprosessorien piirisuunnitteluohjelmistoon.Description
Supervisor
Möttönen, MikkoThesis advisor
Ockeloen-Korppi, CasparRäbinä, Jukka
Keywords
superconducting qubit, electromagnetic simulation, energy participation ratio, finite element method, Bayesian optimisation
