DOI: https://doi.org/10.1103/4pbx-wvk7
تاريخ النشر: 2026-04-27
المؤلف: S. M. Chaudhari وآخرون
الموضوع الرئيسي: تعلم الآلة في علوم المواد
نظرة عامة
تتناول البحث التحدي الذي تطرحه الأكسيدات السطحية المرتبطة بالأنظمة ذات المستويين (TLSs) التي تؤثر سلبًا على أداء أجهزة الحوسبة الكمومية فائقة التوصيل القائمة على النيوبيوم. للتخفيف من تشكيل أكسيد النيوبيوم، يقترح المؤلفون إطارًا تنبؤيًا يستخدم نظرية الوظائف الكثافة (DFT) لحساب طاقات الفراغات والفراغات بين الأكسجين كموصوفات حرارية. يتم تدريب نموذج الانحدار اللوجستي على مجموعة بيانات محدودة من النتائج التجريبية، مما يمكّن من التنبؤ باحتمالية تشكيل الأكسيد لطبقات التغطية المعدنية المختلفة.
تشير النتائج إلى أن الزركونيوم (Zr) والهفنيوم (Hf) والتنتالوم (Ta) هي حواجز انتشار فعالة ضد تشكيل الأكسيد. بالإضافة إلى ذلك، تم تحديد طاقة تشكيل الأكسيد لكل ذرة أكسجين كمؤشر قوي مستقل لتقييم أداء الحواجز. من خلال دمج هذا المؤشر مع عدم تطابق الشبكة كمعيار ثانوي لضمان واجهات متماسكة هيكليًا، يسلط البحث الضوء على Zr وTa والسكنديم (Sc) كمرشحين واعدين بشكل خاص لطبقات التغطية. يمثل هذا النهج استراتيجية حلقة مغلقة تجمع بين نظرية المبادئ الأولى، والتعلم الآلي، والبيانات التجريبية لتسهيل التصميم العقلاني للمواد المتقدمة للتطبيقات فائقة التوصيل.
مقدمة
تسلط المقدمة الضوء على أهمية التصميم العقلاني للمواد في تعزيز تقنيات متنوعة، لا سيما من خلال استخدام الأدوات الحاسوبية، والفحص عالي الإنتاجية، والتعلم الآلي. لقد سهلت هذه التقدمات تحسين الخصائص الكتلية مثل فجوات الطاقة، والموصلية الحرارية، والنشاط الكهروكيميائي عبر تطبيقات متنوعة، بما في ذلك تحفيز خلايا الوقود، وتخزين الطاقة، والهياكل الضوئية. مع انخفاض أبعاد الأجهزة، زادت أهمية العمليات المحلية على مقياس الذرة، لا سيما طاقة العيوب. ومع ذلك، نادراً ما يتم استخدام هذه العوامل كمتغيرات تصميم صريحة في الأطر التي تربط التنبؤات النظرية بالنتائج التجريبية، خاصة في سياق الأجهزة الكمومية فائقة التوصيل.
يتناول البحث بشكل خاص التحديات المرتبطة بتشكيل الأكسيدات غير المرغوب فيها، مثل أكسيد النيوبيوم، عند واجهات تقاطعات جوزيفسون (JJs) القائمة على النيوبيوم. تساهم هذه الأكسيدات في أنظمة ذات مستويين (TLSs) التي تؤثر سلبًا على أوقات تماسك الكيوبت وأداء الجهاز بشكل عام. بينما تم استكشاف استراتيجيات متنوعة للتخفيف من تشكيل الأكسيد، بما في ذلك المعالجات عالية الحرارة والتغليف بمواد حاجز الأكسجين، لا يزال اختيار وتحسين هذه الحواجز يعتمد إلى حد كبير على التجربة. لمعالجة هذه الفجوة، يقترح المؤلفون إطارًا تنبؤيًا يستخدم حسابات المبادئ الأولى لطاقة العيوب لإبلاغ اختيار مواد الحواجز المقاومة للأكسدة. من خلال تطوير نموذج انحدار لوجستي قابل للتفسير يقيم احتمال تشكيل الأكسيد عند الواجهة، يمكّن الإطار من سير عمل حلقة مغلقة يدمج التنبؤات النظرية مع التحقق التجريبي، مما يعزز في النهاية عملية التصميم في سيناريوهات المواد ذات البيانات النادرة.
طرق
في هذه الدراسة، تم ترسيب أفلام رقيقة من النيوبيوم على ركائز Si(100) عالية المقاومة باستخدام ترسيب المغناطيسية بالرش، تلاها تشكيل من خلال الفوتوليثوغرافيا القياسية وحفر الأيونات التفاعلية. تم تطبيق معالجات سطحية بعد التصنيع على العينات قبل التوصيف. تم تقييم تشكيل الأكسيد عند الواجهة وأداء حاجز الانتشار باستخدام مطيافية الإلكترون الضوئي بالأشعة السينية (XPS). تتوفر بروتوكولات التصنيع التفصيلية، وطرق معالجة السطح، وظروف القياس، وإجراءات تركيب الطيف في المواد التكميلية، جنبًا إلى جنب مع المراجع ذات الصلة.
مناقشة
في هذا القسم، يناقش المؤلفون المنهجيات الحاسوبية والنتائج المتعلقة بتنبؤ تشكيل أكسيد النيوبيوم عند الواجهات المعدنية باستخدام الانحدار اللوجستي وطاقة العيوب. تستخدم الدراسة حسابات نظرية الوظائف الكثافة (DFT) مع كود JDFTx وتستخدم الانحدار اللوجستي لنمذجة احتمال تشكيل الأكسيد بناءً على طاقات العيوب لمواد الحواجز المرشحة. يتضمن النموذج عدم اليقين التجريبي من خلال تحويل الملاحظات الثنائية لتشكيل الأكسيد إلى تسميات ناعمة، مما يسمح بعملية تدريب أكثر دقة. تم تحديد مؤشرات حرارية رئيسية، مثل طاقات الفراغات والأكسجين، كعوامل حاسمة لتنبؤ تشكيل أكسيد النيوبيوم، حيث يكشف التحليل أن العوامل الحرارية تحكم بشكل أساسي تشكيل الأكسيد بدلاً من الحواجز الحركية.
يقدم المؤلفون خريطة مؤشرات توضح العلاقة بين طاقة الفراغات للأكسجين وطاقة الفراغات المعدنية لمجموعة متنوعة من المعادن المرشحة، مما يبرز أن المواد في الربع العلوي الأيسر أكثر ملاءمة كحواجز انتشار. من الجدير بالذكر أن الزركونيوم يظهر كمرشح واعد بسبب قدرته على الحفاظ على واجهة كيميائية حادة مع النيوبيوم، بما يتماشى مع الدراسات السابقة حول سبائك النيوبيوم والزركونيوم. يؤسس البحث إطارًا حلقيًا مغلقًا يدمج التنبؤات الحاسوبية مع التحقق التجريبي، مما يحدد بنجاح مواد الحواجز الفعالة مثل Zr وTa وHf، مع التأكيد أيضًا على أهمية تطابق الشبكة في تحسين اختيار المواد. لا يعزز هذا النهج فقط فهم قمع الأكسيد في واجهات الكيوبت فائقة التوصيل، بل يوفر أيضًا منهجية قابلة للتعميم لاكتشاف المواد في بيئات ذات بيانات نادرة.
DOI: https://doi.org/10.1103/4pbx-wvk7
Publication Date: 2026-04-27
Author(s): S. M. Chaudhari et al.
Primary Topic: Machine Learning in Materials Science
Overview
The research addresses the challenge posed by surface oxides associated with two-level systems (TLSs) that impair the performance of niobium-based superconducting quantum computing devices. To mitigate niobium oxide formation, the authors propose a predictive framework that utilizes density functional theory (DFT) to calculate oxygen interstitial and vacancy energies as thermodynamic descriptors. A logistic regression model is trained on a limited dataset of experimental outcomes, enabling the prediction of oxide formation likelihood for various metal capping layers.
The findings indicate that zirconium (Zr), hafnium (Hf), and tantalum (Ta) are effective diffusion barriers against oxide formation. Additionally, the oxide formation energy per oxygen atom is identified as a strong standalone descriptor for evaluating barrier performance. By integrating this descriptor with lattice mismatch as a secondary criterion to ensure structurally coherent interfaces, the study highlights Zr, Ta, and scandium (Sc) as particularly promising candidates for capping layers. This approach exemplifies a closed-loop strategy that combines first-principles theory, machine learning, and experimental data to facilitate the rational design of advanced materials for superconducting applications.
Introduction
The introduction highlights the significance of rational material design in enhancing various technologies, particularly through the use of computational tools, high-throughput screening, and machine learning. These advancements have facilitated the optimization of bulk properties such as bandgaps, thermal conductivity, and electrochemical activity across diverse applications, including fuel cell catalysis, energy storage, and photonic structures. As device dimensions decrease, the importance of local atomic-scale processes, particularly defect energetics, has gained prominence. However, these factors are seldom utilized as explicit design variables in frameworks that connect theoretical predictions with experimental outcomes, especially in the context of superconducting quantum devices.
The paper specifically addresses the challenges associated with the formation of unwanted oxides, such as niobium oxide, at the interfaces of niobium-based superconducting Josephson junctions (JJs). These oxides contribute to two-level systems (TLSs) that negatively impact qubit coherence times and overall device performance. While various strategies have been explored to mitigate oxide formation, including high-temperature treatments and encapsulation with oxygen barrier materials, the selection and optimization of these barriers remain largely empirical. To address this gap, the authors propose a predictive framework that employs first-principles calculations of defect energies to inform the selection of oxidation-resistant barrier materials. By developing an interpretable logistic regression model that assesses the likelihood of interfacial oxide formation, the framework enables a closed-loop workflow integrating theoretical predictions with experimental validation, ultimately enhancing the design process in sparse-data materials scenarios.
Methods
In this study, niobium thin films were deposited onto high-resistivity Si(100) substrates using Ar magnetron sputtering, followed by patterning through standard photolithography and reactive-ion etching. Post-fabrication surface treatments were applied to the samples before characterization. The interfacial oxide formation and diffusion-barrier performance were assessed using X-ray photoelectron spectroscopy (XPS). Detailed fabrication protocols, surface treatment methods, measurement conditions, and spectral fitting procedures are available in the Supplemental Material, along with relevant references.
Discussion
In this section, the authors discuss the computational methodologies and findings related to predicting niobium oxide formation at metal interfaces using logistic regression and defect energetics. The study employs density-functional theory (DFT) calculations with the JDFTx code and utilizes logistic regression to model the probability of oxide formation based on defect energies of candidate barrier materials. The model incorporates experimental uncertainties by converting binary observations of oxide formation into soft labels, allowing for a more nuanced training process. Key thermodynamic descriptors, such as oxygen interstitial and vacancy energies, are identified as critical for predicting the formation of niobium oxide, with the analysis revealing that thermodynamic factors predominantly govern oxide formation rather than kinetic barriers.
The authors present a descriptor map that illustrates the relationship between oxygen vacancy energy and metal interstitial energy for various candidate metals, highlighting that materials in the upper-left quadrant are more favorable as diffusion barriers. Notably, zirconium emerges as a promising candidate due to its ability to maintain a chemically sharp interface with niobium, consistent with previous studies on niobium-zirconium alloys. The research establishes a closed-loop framework that integrates computational predictions with experimental validation, successfully identifying effective barrier materials such as Zr, Ta, and Hf, while also emphasizing the importance of lattice matching in optimizing material selection. This approach not only advances the understanding of oxide suppression in superconducting qubit interfaces but also provides a generalizable methodology for materials discovery in data-sparse environments.