Penggunaan pertama teknologi kuantum untuk mencipta semikonduktor

(Dan Tri) - Para saintis menggunakan pembelajaran mesin kuantum untuk mencipta semikonduktor, satu kejayaan yang boleh mengubah sepenuhnya cara cip dihasilkan.

Teknologi baharu ini menjanjikan masa depan yang cerah untuk industri pembuatan cip (Foto: Getty).

AI membantu memudahkan proses mereka bentuk dan mengeluarkan cip

Penyelidik di Australia telah mempelopori teknik pembelajaran mesin kuantum (QML) yang menggabungkan kecerdasan buatan (AI) dan pengkomputeran kuantum, bertujuan untuk memudahkan reka bentuk dan pembuatan cip yang kompleks - nadi kepada hampir setiap peranti elektronik moden.

Kerja ini menunjukkan bagaimana algoritma QML boleh meningkatkan dengan ketara pemodelan rintangan cip dalaman, faktor utama yang mempengaruhi prestasi cip.

Tidak seperti komputer klasik, yang menggunakan bit sama ada 0 atau 1, komputer kuantum menggunakan qubit. Terima kasih kepada prinsip seperti superposisi dan jalinan, qubit boleh wujud dalam berbilang keadaan pada masa yang sama, membolehkan mereka memproses hubungan matematik yang kompleks dengan lebih pantas daripada sistem klasik.

QML mengekod data klasik ke dalam keadaan kuantum, membolehkan komputer kuantum menemui corak data yang sukar untuk dikesan oleh sistem klasik. Sistem klasik kemudian mengambil alih untuk mentafsir atau menggunakan keputusan ini.

Kesukaran dalam pembuatan cip dan penyelesaian kuantum

Pembuatan semikonduktor ialah proses yang kompleks dan sangat tepat yang melibatkan beberapa langkah: menyusun dan membentuk ratusan lapisan mikroskopik pada wafer silikon, pemendapan bahan, salutan fotoresist, litografi, etsa dan implantasi ion. Akhirnya, cip itu dibungkus untuk disepadukan ke dalam peranti.

Dalam kajian ini, saintis menumpukan pada pemodelan rintangan sentuhan ohmik - cabaran yang amat sukar dalam pembuatan cip. Ini ialah ukuran betapa mudahnya arus mengalir antara lapisan logam dan semikonduktor cip; lebih rendah nilai, lebih cepat dan lebih cekap tenaga prestasi.

Memodelkan rintangan ini dengan tepat adalah penting tetapi sukar dengan algoritma pembelajaran mesin klasik, terutamanya apabila berurusan dengan set data kecil, bising dan tak linear yang biasa ditemui dalam eksperimen semikonduktor.

Di sinilah pembelajaran mesin kuantum masuk.

Menggunakan data daripada 159 prototaip transistor galium nitrida (GaN HEMT), yang terkenal dengan kelajuan dan kecekapannya dalam elektronik 5G, pasukan itu membangunkan seni bina pembelajaran mesin baharu yang dipanggil Quantum Kernel-Aligned Regressor (QKAR).

QKAR menukar data klasik kepada keadaan kuantum, membolehkan sistem kuantum menentukan hubungan yang kompleks. Algoritma klasik kemudian belajar daripada pemahaman itu untuk mencipta model ramalan yang membantu membimbing proses fabrikasi cip.

Apabila diuji pada lima model baharu, QKAR mengatasi tujuh model klasik terkemuka, termasuk kaedah pembelajaran mendalam dan peningkatan kecerunan. Walaupun metrik khusus tidak didedahkan, QKAR mencapai keputusan yang jauh lebih baik daripada model tradisional (0.338 ohm per milimeter).

Yang penting, QKAR direka untuk serasi dengan perkakasan kuantum praktikal, membuka pintu kepada pelaksanaannya dalam pembuatan cip sebenar apabila teknologi kuantum terus maju. Para saintis percaya bahawa kaedah ini boleh mengendalikan kesan multidimensi dengan berkesan dalam bidang semikonduktor, menjanjikan masa depan yang cerah untuk industri cip.

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