删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于网络分析仪的3D Transmon相干测量方法

本站小编 Free考研考试/2021-12-29

摘要:3D Transmon是目前已知退相干时间较长的一种超导量子比特, 在超导量子计算、量子光学、腔量子电动力学等方面具有重要的应用. 拉比振荡是表征量子系统退相干时间的重要方法, 也是体现量子系统能够进行能级演化的基本实验. 对3D Transmon进行拉比振荡测试, 需要进行严格的时序控制, 测试调试的过程较为繁琐. 本文制备了3D Transmon样品, 对其基本参数进行了测试表征, 创新性地提出了一种基于网络分析仪的拉比振荡测试方法, 基于该方法的测试系统搭建简单, 可作为迅速验证3D Transmon是否具备量子特性的一种手段, 该方法也可推广至其他量子系统进行时域特性的初步验证.
关键词: 3D Transmon/
网络分析仪/
色散测量法/
拉比振荡

English Abstract


--> --> -->
基于约瑟夫森结的超导量子计算[1-4]由于能够与经典微电子工艺兼容、退相干时间长、制备基态简单、量子比特之间的耦合较为容易以及可规模化等优点, 被认为是目前最有可能实现量子计算机的方案之一[5-8]. 国际上有许多团队都致力于用超导的方式来实现量子计算机[9-14]. 超导量子计算的核心单元为超导量子比特, 目前已实现的超导量子比特有charge qubit[10], flux qubit[15], phase qubit[12], quantronium[16], Xmon[17], C-shunt flux qubit[18]等, 除此之外, 还有结合超导谐振腔实现的量子比特, 包括基于共面波导谐振腔实现的量子比特[13], 以及基于三维超导谐振腔实现的量子比特, 即3D Transmon[14]. 3D Transmon中两个电极板(pad)和微波腔一起构成并联在Josephson结的大电容, 用于压制电荷噪音对量子比特相干性的影响. 这种方法(即用大电容并联在Josephson结来压制电荷噪音对超导量子比特相干性的影响的方法)最早是由You 等[19]提出, 对应的超导量子比特叫capacitively shunted flux qubit (也叫C-shunt flux qubit), 即“电容并联磁通量子比特”.
本文通过双角度蒸发[15]的方法在氧化硅衬底上制备了样品, 并将样品放置在三维超导谐振腔中心处形成3D Transmon样品. 采用基于腔量子电动力学的色散读出方法[20], 对量子比特的基本性能进行了测试表征, 用网络分析仪、微波源以及任意波形发生器对3D Transmon进行了相干测量操作, 当改变激励微波信号的功率时, 相干振荡的频率与微波信号的幅度呈现出较好的线性. 对比数据采集卡Jaynes-Cummings[21]方法进行拉比振荡的测试结果, 可以看出网络分析仪色散法得到的退相干时间小于数据采集卡Jaynes-Cummings得到的退相干时间, 由于网络分析仪色散测试法对于测量时序的要求较为简单, 测试系统搭建较为容易, 可作为验证样品具备量子特性的一种方法补充.
Transmon[22]量子比特实际上是由charge qubit演变而来, 设charge qubit的栅电容为Cg, 栅电压为Vg, 约瑟夫森结的结电容为CJ, 则栅电压吸引的库伯对数目ng = CgVg/2 e, 库伯盒的总充电能为4EC = (2 e)2/2(CJ+Cg), 则charge qubit的哈密顿量可以写为
$\begin{split} H =\; & 4{E_C}\sum\limits_n {{{\left( {n - {n_g}} \right)}^2}} \left| n \right\rangle\left\langle n \right| \\ & - \frac{{{E_J}}}{2}\sum\limits_n \left[ {\left| n \right\rangle \left\langle {n + 1} \right| + \left| {n + 1} \right\rangle \left\langle n \right|} \right]. \end{split}$
其中EJ为库伯盒的约瑟夫森能, n为库伯对的数目, $\left| {\rm{n}} \right\rangle $为粒子数算符. 选取不同的EJEC, 对(1)式进行求解, 就可以得到不同EJ/EC下的能带图. 当EJ/EC较小时, 量子比特的能级随ng变化较大; 当EJ/EC较大时, 量子比特的能级变得较为扁平, 此时构成的量子比特为Transmon.
将Transmon与超导谐振腔耦合起来, 可通过谐振腔的状态对Transmon的状态进行读取, 腔量子电动力学的JC哈密顿量为[7]
$\begin{split}{H_{JC}} ={}& \hbar {\omega _r}\Big( {{a^ + }a + \frac{1}{2}} \Big) + \hbar \frac{{{\omega _q}}}{2}{\sigma _Z} \\& + \hbar g( {{a^ + }{\sigma ^ - } + a{\sigma ^ + }}).\end{split}$
其中$\hbar$是约化普朗克常数, a+a为光子的产生和湮灭算符, σ+算符可将量子比特从基态$\left| {\rm{0}} \right\rangle $变换到激发态$\left| {\rm{1}} \right\rangle $, σ算符可将量子比特从激发态$\left| {\rm{1}} \right\rangle $变换到基态$\left| {\rm{0}} \right\rangle $. 哈密顿量的第一项为电磁场的能量, 谐振腔的角频率为${\omega _r}$, 第二项为二能级的量子比特, ${\omega _q}$是量子比特的跃迁角频率, 第三项为量子比特与谐振腔的相互作用, g是耦合强度, a+σ+分别表示量子比特向腔中发射一个光子和从腔中吸收一个光子. 设$\Delta = {\omega _q} - {\omega _r}$为量子比特与谐振腔的角频率差, 当g $\ll $Δ时, 量子比特与谐振腔的耦合进入色散区间, 量子比特的装态可通过测量谐振腔的状态得到.
通过双角度蒸发的方法得到的Transmon样品的f01 = 9.2709 GHz, f12 = 9.0100 GHz, 充电能EC = 348.74 MHz, 约瑟夫森能EJ = 11.5560 GHz. 将该Transmon放置在三维超导谐振腔[23]的第一模态处, 得到3D Transmon样品. 三维超导谐振腔的第一模态频率fC = 8.108 GHz, 有载品质因数为4.8 × 105. 对3D Transmon的S21参数进行变功率扫描得到如图1所示的结果.
图 1 3D Transmon的S21变功率扫描结果 (a) S21强度图; (b)部分S21曲线
Figure1. The power change scan S21 of 3D Transmon: (a) Intensity graph of S21; (b) partial S21 curve.

图1可看出, 当输入功率逐渐下降时, 谐振腔内的微波光子数逐渐下降, 即量子比特与光子的相互作用对谐振腔的影响越来越明显, 谐振腔的第一模态频率从8.108 GHz逐渐变到8.065 GHz, 这反映出谐振腔与量子比特的耦合g2/Δ=43 MHz.
为了对3D Transmon进行测试, 搭建了基于稀释制冷机的超低温测试系统, 整个测试系统的搭建思路是输入信号逐级衰减, 输出信号逐级放大, 为了有更好的信噪比. 如图2所示, 任意波形发生器与微波源通过一套混频电路可提供脉冲长度可调的量子比特激励信号, 网络分析仪通道1输出信号, 通道2接收信号, 为了使不同的设备频率基准完全相同, 三台设备都用同一个10 MHz的基准源.
图 2 3D Transmon测试系统
Figure2. 3D Transmon measurement system.

3D Transmon安装在稀释制冷机的10 mK温区, 输入信号经过了5个衰减器, 共计–49 dB的衰减, 输出级有两个隔离器, 为了尽量少的将放大器以及输出线路的噪声引入样品, 提高整个测试系统的信噪比. 输出线路从10 mK到4 K之间采用超导微波线缆, 输出线路在4 K级进行一次放大, 在室温区进行了二次放大.
给量子比特施加f01 = 9.2709 GHz的连续微波激励信号, 微波功率为–110 dBm, 网络分析仪的扫描功率设定为–140 dBm, 扫描S21参数, 得到如图3所示的结果.
图 3 微波信号连续激励量子比特时的S21曲线
Figure3. The S21 curve for the qubits excited by continuously microwave.

图3可以看出, S21曲线上有两个谐振峰, 8.065与8.045 GHz分别代表量子比特处于$\left| {\rm{0}} \right\rangle $$\left| {\rm{1}} \right\rangle $的两个状态, 对8.065 GHz处的谐振峰幅度和相位进行测量, 可判断量子比特的状态, 这种量子比特的读出方法为色散读出法.
受限于目前的工艺以及测试系统等原因, 目前制备的3D Transmon样品的退相干时间普遍在1 μs的水平, 因此激励量子比特的周期选为5 μs可以满足量子比特激励后充分冷却到基态$\left| {\rm{0}} \right\rangle $的要求.
网络分析仪的采样周期取决于中频带宽(IF Bandwidth), 网络分析仪Agilent N5323 A的中频带宽最大为15 MHz, 其对应采样时间约为67 ns一个点, 这样的速度对于测量退相干时间为1 μs的3D Transmon太短, 为了得到3D Transmon的相干振荡, 只能尽量拉长网络分析仪的测试时间窗口, 通过取平均的方法得到量子比特的相干振荡. 将中频带宽设定为5 Hz, 对应的一个测试点时间为0.2 s, 测试的时序图如图4所示, 网络分析仪的一次读取包含0.2 s/5 μs=40000次激励过程, 通过改变微波激励时间t, 就可以得到3D Transmon的相干振荡曲线. 当微波激励功率为–100 dBm, 网络分析仪读取功率为–138 dBm时得到的相干振荡幅度与相位曲线如图5所示.
图 4 网络分析仪测量相干振荡时序图
Figure4. Time sequence diagram of coherent oscillation measured by network analyzer.

图 5 网络分析仪测量3D Transmon相干振荡幅度与相位图
Figure5. Amplitude and phase diagram of 3D transmon coherent oscillation measured by network analyzer

图5可以明显的看出3D Transmon的相干振荡, 与传统意义的拉比振荡所不同的是, 该曲线只能看到振荡的峰值, 却看不到振荡的谷值, 这是由于超导谐振腔的品质因数为4.8 × 105, 对应的光子存储时间约为2 μs, 大于量子比特的退相干时间. 测试时, 用网络分析仪持续监测8.065 GHz处的谐振峰, 幅度曲线上的峰值代表量子比特处于基态$\left| {\rm{0}} \right\rangle $, 当量子比特处于激发态$\left| {\rm{1}} \right\rangle $时, 量子信息在还没有离开超导谐振腔之间前已经进行了部分衰减, 因此看不到振荡曲线的波谷. 从图5的振荡曲线来看, 该3D Transmon的在微波激励信号长度为1 μs时, 曲线还在振荡. 改变微波激励信号的功率进行测试, 得到不同功率下的拉比振荡结果如图6(a)所示, 画出拉比振荡与激励微波幅度的关系图(图6(b)). 从拟合结果来看, 拉比振荡频率与微波激励幅度呈现出比较好的线性关系. 这也说明了通过网络分析仪测量相干振荡为拉比振荡.
图 6 (a) 不同微波功率下的相干振荡强度图; (b) 相干振荡与微波激励幅度关系
Figure6. (a) Intensity diagram of coherent oscillation at different microwave power; (b) relationship between coherent oscillation and microwave excitation amplitude.

为了对比该方法得到的振荡曲线与经典拉比振荡曲线的关系, 我们采用了数据采集卡Jaynes-Cummings方法测试拉比振荡[24], 如图7所示, 得到的拉比振荡时间为1151.8 ns.
图 7 数据采集卡Jaynes-Cummings方法测试拉比振荡
Figure7. Rabi oscillation by Jaynes-Cummings method based on data acquisition card.

通过对比发现网络分析仪色散法得到的拉比振荡时间较短, 其主要原因是: 1)网络分析仪测试拉比振荡是持续性测量, 因此测试信号时刻在影响3D Transmon的退相干过程, 而数据采集卡方法通过严格的时序控制, 可在需要测试时, 精准地介入; 2)网络分析仪测试方法, 激励信号的周期为5 μs, 该时间段内包含量子比特有激励的过程和没有激励的过程, 随着激励时间的增长, 无微波激励的占比越来越低, 而在这些没有微波激励的时间段内, 量子比特退相干后将处于基态$\left| {\rm{0}} \right\rangle $, 也就是说没有微波激励的区域所占比例越高, 网络分析仪测量得到的基态$\left| {\rm{0}} \right\rangle $所占比例越高, 这就造成了网络分析仪测量拉比振荡得到的曲线是单边衰减振荡的, 与标准拉比振荡曲线不同; 3)色散读出法与超导谐振腔的品质因数非常相关, 选用的超导谐振腔对微波光子的存储时间大于3D Transmon的退相干时间, 因此量子信息在还没有离开超导谐振腔之前已部分退相干, 这对于测试拉比振荡是极为不利的. 而基于数据采集卡的Jaynes-Cummings方法, 量子比特的读出功率非常高, 三维超导谐振腔可以“继承”量子比特在读出时的状态, 因此得到的退相干时间较长.
本文创新性地提出了一种基于网络分析仪色散法的3D Trasnmon相干振荡测试方法, 该方法的测试系统搭建较为简单, 但由于受到谐振腔品质因数、微波激励信号占激励总时间比例以及持续测量的影响, 网络分析仪色散法得到的拉比振荡时间小于数据采集卡Jaynes-Cummings方法得到时间. 该方法可作为一种快速验证量子系统是否具备时域特性的一种辅助手段, 可推广至其他量子系统.
感谢日本NEC基础创新实验室Tsai J S提供的样品加工支持.
相关话题/测试 网络 微波 测量 信号

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 基于时变状态网络的银行风险传导研究
    摘要:银行风险传导研究是系统性金融风险测度与防范的重点.文献中主要研究静态银行网络拓扑结构和银行系统性风险量化,较少考虑银行网络之间的状态转变.针对上述问题,提出时变状态网络模型.根据模型,首先用kmeans方法对各个时间段的银行网络分类,然后通过有向最小生成树(DMST,directedminim ...
    本站小编 Free考研考试 2021-12-29
  • 低损耗材料微波介电性能测试中识别TE<sub>01δ</sub>模式的新方法
    摘要:工作于TE01δ模式的金属谐振腔法是评价低损耗材料微波介电性能的通用方法.微波介质谐振器均为多模式谐振器,故正确识别TE01δ模式是微波介电测试的基础.TE01δ模式的识别可通过预测谐振频率及其随谐振器尺寸的变化、根据激励条件排除寄生模式等手段实现,但已有方法存在复杂、易识别错误等缺点.为此, ...
    本站小编 Free考研考试 2021-12-29
  • 光子增加双模压缩真空态在马赫-曾德尔干涉仪相位测量中的应用
    摘要:量子度量学主要是利用量子效应来提高参数估计的精度,以期突破标准量子极限,甚至达到海森伯极限.本文研究了一般光子增加双模压缩真空态作为马赫-曾德尔干涉仪的探测态时,在何种情况下能够提高待测相位的测量精度.根据量子Fisher信息理论,尽管在探测态具有相同的平均光子数这一约束条件下,对称的和非对称 ...
    本站小编 Free考研考试 2021-12-29
  • 不同离子辐照氟化锂材料时原位发光光谱测量分析
    摘要:在BNU400注入机上搭建的离子激发发光(ionbeaminducedluminescence,IBIL)测量装置上,开展了相同能量(100keV)条件下的3种离子(H+、He+以及O+)辐照氟化锂材料时的IBIL光谱的原位测量工作,对比研究离子种类对氟化锂材料辐照缺陷的生成及其演变行为的影响 ...
    本站小编 Free考研考试 2021-12-29
  • 基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测
    摘要:光伏发电受天气与地理环境影响,呈现出波动性和随机多干扰性,其输出功率容易随着外界因素变化而变化,因此预测发电输出功率对于优化光伏发电并网运行和减少不确定性的影响至关重要.本文提出一种基于遗传算法(GA)优化的卷积长短记忆神经网络混合模型(GA-CNN-LSTM),首先利用CNN模块对数据的空间 ...
    本站小编 Free考研考试 2021-12-29
  • 用于提高微波无线能量传输系统接收端能量转换效率的肖特基二极管
    摘要:转换效率是微波无线能量传输系统的关键参数,为提高该参数指标,本文提出了一种GeOI折叠空间电荷区肖特基二极管,该器件结构可以显著降低肖特基二极管的零偏置电容,利于能量转换效率的提高.通过在ADS仿真软件中使用该器件SPICE模型进行整流电路仿真,在输入能量为24.5dBm时,获得了75.4%的 ...
    本站小编 Free考研考试 2021-12-29
  • 人脑默认模式网络的动力学行为
    摘要:大脑具有自适应、自组织、多稳态等重要特征,是典型的复杂系统.人脑在静息态下的关键功能子网络——默认模式网络(DMN)的激活处于多状态间持续跳转的非平衡过程,揭示该过程背后的动力学机制具有重要的科学意义和临床应用前景.本文基于功能磁共振获得的血氧水平依赖(BOLD)信号,建立了DMN吸引子跳转非 ...
    本站小编 Free考研考试 2021-12-29
  • 复杂网络上的部分同步化: 奇异态、遥同步与集团同步
    摘要:近年来,复杂网络上耦合振子的部分同步化引起了人们极大的关注,其潜在或背后的原因是部分同步化斑图在大脑网络中广泛存在,并很可能与大脑的认知或记忆等功能有密切的联系.本文对这些进展进行简单的总结与归纳,并按照****们研究的不同侧重点,将其分成三方面来进行介绍,即奇异态、遥同步与集团同步化.着重强 ...
    本站小编 Free考研考试 2021-12-29
  • 复杂网络链路可预测性: 基于特征谱视角
    摘要:近年来链路预测的理论和实证研究发展迅速,大部分工作关注于提出更精确的预测算法.事实上,链路预测的前提是网络的结构本身能够被预测,这种“可被预测的程度”可以看作是网络自身的基本属性.本文拟从特征谱的视角去解释网络的链路可预测性,并刻画网络的拓扑结构信息,通过对网络特征谱进行分析,构造了复杂网络链 ...
    本站小编 Free考研考试 2021-12-29
  • 多层网络级联失效的预防和恢复策略概述
    摘要:现实生活中,与国计民生密切相关的基础设施网络大多不是独立存在的,而是彼此之间相互联系或依赖的,于是用于研究这些系统的多层网络模型随之产生.多层网络中的节点在失效或者遭受攻击后会因“层内”和“层间”的相互作用而产生级联效应,从而使得失效能够在网络层内和层间反复传播并使得失效规模逐步放大.因此,多 ...
    本站小编 Free考研考试 2021-12-29