이 새로운 기술은 칩 제조 산업에 밝은 미래를 약속합니다(사진: 게티).
AI는 칩 설계 및 제조 프로세스를 단순화하는 데 도움이 됩니다.
호주의 연구원들은 인공지능(AI)과 양자 컴퓨팅을 결합한 양자 머신 러닝(QML) 기술을 개척하여 거의 모든 현대 전자 장치의 핵심인 복잡한 칩의 설계와 제조를 간소화하는 것을 목표로 하고 있습니다.
이 연구는 QML 알고리즘이 칩 성능에 영향을 미치는 핵심 요소인 내부 칩 저항의 모델링을 크게 개선할 수 있는 방법을 보여줍니다.
0 또는 1인 비트를 사용하는 기존 컴퓨터와 달리, 양자 컴퓨터는 큐비트를 사용합니다. 중첩과 얽힘과 같은 원리 덕분에 큐비트는 동시에 여러 상태로 존재할 수 있어 기존 시스템보다 훨씬 빠르게 복잡한 수학적 관계를 처리할 수 있습니다.
QML은 고전 데이터를 양자 상태로 인코딩하여, 양자 컴퓨터가 고전 시스템으로는 감지하기 어려운 데이터 패턴을 발견할 수 있도록 합니다. 그러면 고전 시스템이 이 결과를 해석하거나 적용합니다.
칩 제조 및 양자 솔루션의 어려움
반도체 제조는 복잡하고 정밀하게 설계된 공정으로, 실리콘 웨이퍼 위에 수백 개의 미세한 층을 적층하고 형상화하는 단계, 재료 증착, 포토레지스트 코팅, 리소그래피, 에칭, 이온 주입 등 여러 단계로 구성됩니다. 마지막으로 칩은 장치에 통합될 수 있도록 패키징됩니다.
이 연구에서 과학자들은 칩 제조에서 특히 어려운 과제인 옴 접촉 저항 모델링에 집중했습니다. 옴 접촉 저항은 칩의 금속층과 반도체층 사이에 전류가 얼마나 쉽게 흐르는지를 나타내는 척도입니다. 값이 낮을수록 성능이 더 빠르고 에너지 효율이 높습니다.
이러한 저항을 정확하게 모델링하는 것은 중요하지만, 특히 반도체 실험에서 흔히 접하는 작고 노이즈가 많고 비선형적인 데이터 세트를 다룰 때 기존 머신 러닝 알고리즘을 사용하면 어렵습니다.
여기서 양자 머신 러닝이 등장합니다.
연구팀은 5G 전자 분야에서 속도와 효율성이 뛰어난 것으로 알려진 159개의 프로토타입 질화갈륨 트랜지스터(GaN HEMT)에서 얻은 데이터를 활용해 양자 커널 정렬 회귀 분석기(QKAR)라는 새로운 머신 러닝 아키텍처를 개발했습니다.
QKAR은 고전 데이터를 양자 상태로 변환하여 양자 시스템이 복잡한 관계를 파악할 수 있도록 합니다. 그런 다음 고전 알고리즘은 이러한 이해를 바탕으로 학습하여 칩 제조 공정을 안내하는 예측 모델을 생성합니다.
5개의 새로운 모델에서 QKAR를 테스트했을 때, QKAR는 딥러닝과 그래디언트 부스팅 방법을 포함한 7개의 주요 기존 모델을 능가하는 성능을 보였습니다. 구체적인 지표는 공개되지 않았지만, QKAR는 기존 모델보다 훨씬 더 나은 결과(밀리미터당 0.338옴)를 달성했습니다.
중요한 점은 QKAR가 실제 양자 하드웨어와 호환되도록 설계되어 양자 기술이 계속 발전함에 따라 실제 칩 제조에 구현될 수 있는 가능성을 열어준다는 것입니다. 과학자들은 이러한 접근 방식이 반도체의 다차원 효과를 효과적으로 처리할 수 있을 것으로 기대하며, 이는 칩 산업의 밝은 미래를 약속합니다.
출처: https://dantri.com.vn/khoa-hoc/lan-dau-tien-su-dung-cong-nghe-luong-tu-de-tao-ra-chat-ban-dan-20250730020740216.htm
댓글 (0)