Prima utilizare a tehnologiei cuantice pentru crearea de semiconductori

(Dan Tri) - Oamenii de știință folosesc învățarea automată cuantică pentru a crea semiconductori, o descoperire care ar putea schimba complet modul în care sunt fabricate cipurile.

Această nouă tehnologie promite un viitor strălucit pentru industria de fabricație a cipurilor (Foto: Getty).

Inteligența artificială ajută la simplificarea procesului de proiectare și fabricare a cipurilor

Cercetătorii din Australia au fost pionierii unei tehnici de învățare automată cuantică (QML) care combină inteligența artificială (IA) și calculul cuantic, cu scopul de a simplifica proiectarea și fabricarea cipurilor complexe - inima aproape fiecărui dispozitiv electronic modern.

Această lucrare demonstrează cum algoritmii QML pot îmbunătăți semnificativ modelarea rezistenței interne a cipurilor, un factor cheie care afectează performanța cipurilor.

Spre deosebire de computerele clasice, care utilizează biți fie 0, fie 1, computerele cuantice folosesc qubiți. Datorită unor principii precum superpoziția și inseparabilitatea, qubiții pot exista în mai multe stări simultan, permițându-le să proceseze relații matematice complexe mult mai rapid decât sistemele clasice.

QML codifică datele clasice într-o stare cuantică, permițând unui computer cuantic să descopere tipare în date care sunt dificil de detectat de un sistem clasic. Un sistem clasic preia apoi rolul de a interpreta sau aplica aceste rezultate.

Dificultăți în fabricarea cipurilor și a soluțiilor cuantice

Fabricarea semiconductorilor este un proces complex, ingineresc, care implică mai mulți pași: stivuirea și modelarea a sute de straturi microscopice pe o placă de siliciu, depunerea materialului, acoperirea cu fotorezist, litografia, gravarea și implantarea ionilor. În cele din urmă, cipul este ambalat pentru integrarea într-un dispozitiv.

În acest studiu, oamenii de știință s-au concentrat pe modelarea rezistenței de contact ohmice - o provocare deosebit de dificilă în fabricarea cipurilor. Aceasta este o măsură a cât de ușor circulă curentul între straturile metalice și semiconductoare ale unui cip; cu cât valoarea este mai mică, cu atât performanța este mai rapidă și mai eficientă din punct de vedere energetic.

Modelarea precisă a acestei rezistențe este importantă, dar dificilă cu algoritmii clasici de învățare automată, în special atunci când se lucrează cu seturi de date mici, zgomotoase și neliniare întâlnite frecvent în experimentele cu semiconductori.

Aici intervine învățarea automată cuantică.

Folosind date de la 159 de prototipuri de tranzistoare de nitrură de galiu (GaN HEMT), cunoscute pentru viteza și eficiența lor în electronica 5G, echipa a dezvoltat o nouă arhitectură de învățare automată numită Quantum Kernel-Aligned Regressor (QKAR).

QKAR convertește datele clasice în stări cuantice, permițând sistemului cuantic să determine relații complexe. Un algoritm clasic învață apoi din această înțelegere pentru a crea un model predictiv care ghidează procesul de fabricație a cipului.

Testat pe cinci modele noi, QKAR a depășit șapte modele clasice de top, inclusiv metode de deep learning și gradient boosting. Deși nu au fost dezvăluite valori specifice, QKAR a obținut rezultate semnificativ mai bune decât modelele tradiționale (0,338 ohmi pe milimetru).

Este important de menționat că QKAR este conceput pentru a fi compatibil cu hardware-ul cuantic din lumea reală, deschizând calea implementării sale în fabricarea de cipuri din lumea reală, pe măsură ce tehnologia cuantică continuă să avanseze. Oamenii de știință cred că această abordare poate gestiona eficient efectele multidimensionale din semiconductori, promițând un viitor luminos pentru industria cipurilor.

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