ທໍາອິດການນໍາໃຊ້ເຕັກໂນໂລຊີ quantum ເພື່ອສ້າງ semiconductors

Lần đầu tiên sử dụng công nghệ lượng tử để tạo ra chất bán dẫn - 1 — ເຕັກໂນໂລຊີໃໝ່ນີ້ໃຫ້ຄຳໝັ້ນສັນຍາເຖິງອະນາຄົດທີ່ສົດໃສຂອງອຸດສາຫະກຳຜະລິດຊິບ (ພາບ: Getty).

AI ຊ່ວຍເຮັດໃຫ້ຂະບວນການອອກແບບ ແລະການຜະລິດຊິບງ່າຍຂຶ້ນ

ນັກຄົ້ນຄວ້າໃນປະເທດອົດສະຕຣາລີໄດ້ບຸກເບີກເຕັກນິກການຮຽນຮູ້ເຄື່ອງຈັກ quantum (QML) ທີ່ປະສົມປະສານປັນຍາປະດິດ (AI) ແລະຄອມພິວເຕີ້ quantum, ເພື່ອແນໃສ່ເຮັດໃຫ້ການອອກແບບແລະການຜະລິດຊິບທີ່ສັບສົນ - ເປັນຫົວໃຈຂອງເກືອບທຸກອຸປະກອນເອເລັກໂຕຣນິກທີ່ທັນສະໄຫມ.

ວຽກງານນີ້ສະແດງໃຫ້ເຫັນວິທີການ QML algorithms ສາມາດປັບປຸງການສ້າງແບບຈໍາລອງຂອງຄວາມຕ້ານທານຂອງຊິບພາຍໃນ, ເຊິ່ງເປັນປັດໃຈສໍາຄັນທີ່ມີຜົນກະທົບຕໍ່ການປະຕິບັດຂອງຊິບ.

ບໍ່ເຫມືອນກັບຄອມພິວເຕີຄລາສສິກ, ທີ່ໃຊ້ bits ທີ່ມີທັງ 0 ຫຼື 1, ຄອມພິວເຕີ quantum ໃຊ້ qubits. ຂໍຂອບໃຈກັບຫຼັກການຕ່າງໆເຊັ່ນ superposition ແລະ entanglement, qubits ສາມາດມີຢູ່ໃນຫຼາຍລັດໃນເວລາດຽວກັນ, ເຮັດໃຫ້ມັນສາມາດປຸງແຕ່ງຄວາມສໍາພັນທາງຄະນິດສາດທີ່ສັບສົນໄວກວ່າລະບົບຄລາສສິກ.

QML ເຂົ້າລະຫັດຂໍ້ມູນຄລາສສິກເຂົ້າໄປໃນສະຖານະ quantum, ອະນຸຍາດໃຫ້ຄອມພິວເຕີ quantum ຄົ້ນພົບ ຮູບແບບຂໍ້ມູນທີ່ຍາກສໍາລັບລະບົບຄລາສສິກທີ່ຈະກວດພົບ. ລະບົບຄລາສສິກຫຼັງຈາກນັ້ນໃຊ້ເວລາໃນໄລຍະທີ່ຈະຕີຄວາມຫມາຍຫຼືນໍາໃຊ້ຜົນໄດ້ຮັບເຫຼົ່ານີ້.

ຄວາມຫຍຸ້ງຍາກໃນການຜະລິດຊິບແລະການແກ້ໄຂ quantum

ການຜະລິດ semiconductor ເປັນຂະບວນການທີ່ຊັບຊ້ອນ, ຊັດເຈນສູງເຊິ່ງປະກອບດ້ວຍຫຼາຍຂັ້ນຕອນ: ການວາງຊ້ອນກັນ ແລະການສ້າງຮູບຫຼາຍຮ້ອຍຊັ້ນກ້ອງຈຸລະທັດໃສ່ແຜ່ນຊິລິໂຄນ, ການວາງວັດສະດຸ, ການເຄືອບ photoresist, lithography, etching, ແລະ ion implantation. ສຸດທ້າຍ, ຊິບໄດ້ຖືກຫຸ້ມຫໍ່ສໍາລັບການເຊື່ອມໂຍງກັບອຸປະກອນ.

ໃນການສຶກສານີ້, ນັກວິທະຍາສາດ ໄດ້ສຸມໃສ່ການສ້າງແບບຈໍາລອງການຕໍ່ຕ້ານການຕິດຕໍ່ ohmic - ເປັນສິ່ງທ້າທາຍທີ່ມີຄວາມຫຍຸ້ງຍາກໂດຍສະເພາະໃນການຜະລິດຊິບ. ນີ້ແມ່ນມາດຕະການຂອງວິທີການໄຫຼໄດ້ຢ່າງງ່າຍດາຍລະຫວ່າງຊັ້ນໂລຫະແລະ semiconductor ຂອງຊິບ; ມູນຄ່າຕ່ໍາ, ການປະຕິບັດໄວແລະປະຫຍັດພະລັງງານຫຼາຍ.

ການສ້າງແບບຈໍາລອງການຕໍ່ຕ້ານນີ້ແມ່ນມີຄວາມສໍາຄັນແຕ່ມີຄວາມຫຍຸ້ງຍາກກັບລະບົບການຮຽນຮູ້ເຄື່ອງຈັກຄລາສສິກ, ໂດຍສະເພາະໃນເວລາທີ່ຈັດການກັບຊຸດຂໍ້ມູນຂະຫນາດນ້ອຍ, ບໍ່ມີສຽງ, ແລະບໍ່ມີເສັ້ນທີ່ພົບທົ່ວໄປໃນການທົດລອງ semiconductor.

ນີ້ແມ່ນບ່ອນທີ່ການຮຽນຮູ້ເຄື່ອງຈັກ quantum ເຂົ້າມາ.

ການນໍາໃຊ້ຂໍ້ມູນຈາກ 159 ຕົວແບບຕົ້ນແບບຂອງ transistors gallium nitride (GaN HEMTs), ເປັນທີ່ຮູ້ຈັກສໍາລັບຄວາມໄວແລະປະສິດທິພາບໃນເອເລັກໂຕຣນິກ 5G, ທີມງານໄດ້ພັດທະນາສະຖາປັດຕະຍະການຮຽນຮູ້ເຄື່ອງຈັກໃຫມ່ທີ່ເອີ້ນວ່າ Quantum Kernel-Aligned Regressor (QKAR).

QKAR ປ່ຽນຂໍ້ມູນຄລາສສິກເຂົ້າໄປໃນລັດ quantum, ອະນຸຍາດໃຫ້ລະບົບ quantum ກໍານົດການພົວພັນທີ່ສັບສົນ. ສູດການຄິດໄລ່ແບບຄລາສສິກຫຼັງຈາກນັ້ນຮຽນຮູ້ຈາກຄວາມເຂົ້າໃຈນັ້ນເພື່ອສ້າງຮູບແບບການຄາດເດົາທີ່ຊ່ວຍແນະນໍາຂະບວນການຜະລິດຊິບ.

ເມື່ອທົດສອບໃນຫ້າຕົວແບບໃຫມ່, QKAR ປະຕິບັດໄດ້ດີກວ່າ 7 ແບບຄລາສສິກຊັ້ນນໍາ, ລວມທັງການຮຽນຮູ້ເລິກເຊິ່ງແລະວິທີການຊຸກຍູ້ການເລື່ອນຊັ້ນ. ໃນຂະນະທີ່ການວັດແທກສະເພາະບໍ່ໄດ້ຖືກເປີດເຜີຍ, QKAR ບັນລຸຜົນໄດ້ຮັບທີ່ດີກ່ວາແບບດັ້ງເດີມຢ່າງຫຼວງຫຼາຍ (0.338 ohms ຕໍ່ millimeter).

ສິ່ງສໍາຄັນ, QKAR ຖືກອອກແບບມາເພື່ອໃຫ້ເຂົ້າກັນໄດ້ກັບຮາດແວ quantum ທີ່ປະຕິບັດໄດ້, ເປີດປະຕູສໍາລັບການປະຕິບັດໃນການຜະລິດຊິບທີ່ແທ້ຈິງຍ້ອນວ່າເຕັກໂນໂລຢີ quantum ສືບຕໍ່ກ້າວຫນ້າ. ນັກວິທະຍາສາດເຊື່ອວ່າວິທີການນີ້ສາມາດຈັດການຜົນກະທົບຫຼາຍມິຕິໃນພາກສະຫນາມ semiconductor, ສັນຍາວ່າອະນາຄົດທີ່ສົດໃສສໍາລັບອຸດສາຫະກໍາຊິບ.

ທີ່ມາ: https://dantri.com.vn/khoa-hoc/lan-dau-tien-su-dung-cong-nghe-luong-tu-de-tao-ra-chat-ban-dan-20250730020740216.htm