牛津大学、DeepMind 研究人员近日在自然杂志上发表新论文「机器学习实现对量子设备的全自动调整速度比人类快」论文概要如下：可变性是半导体量子器件的可伸缩性的问题。参数空间大，操作范围小。我们的统计调谐算法可在栅极电压空间最大为 8 维的栅极定义的量子点器件中搜索特定的电子传输特征。从每个栅极电压的整个范围开始，我们的机器学习算法可以在不到 70 分钟的中间时间内将每个设备调整到最佳性能。该性能超过了我们最好的人工基准（尽管可以改善人工和机器性能）。该算法比自动随机搜索参数空间快约 180 倍，适用于不同的材料系统和设备架构。我们的结果可以定量测量从一个设备到另一个设备以及热循环后设备的可变性。我们的机器学习算法可以扩展到更高的维度和其他技术。