傳動網 > 新聞頻道 > 行業資訊 > 資訊詳情

量子機器學習將改寫半導體制造未來

時間:2025-07-08

來源:電子技術應用

導語:7月4日消息,據techxplore報道,澳大利亞研究團隊近日開發出一項具突破性的半導體制程技術,首次成功應用量子機器學習(Quantum Machine Learning,QML)來構建模型,提升了半導體制造的精準度與效率,并有望降低芯片生產成本。

  7月4日消息,據techxplore報道,澳大利亞研究團隊近日開發出一項具突破性的半導體制程技術,首次成功應用量子機器學習(Quantum Machine Learning,QML)來構建模型,提升了半導體制造的精準度與效率,并有望降低芯片生產成本。

  眾所周知,先進的半導體加工工藝極具挑戰性,它是現代工程中最復雜的工藝之一,因為它要求極高的精度,而且即使制造一塊芯片也需要經過數百道工序,例如光刻、薄膜沉積、蝕刻等。

  澳大利亞國家研究機構——聯邦科學與工業研究組織(CSIRO)的研究人員首次利用量子機器學習(Quantum Machine Learning,QML)技術來構建半導體設計過程中的一個關鍵步驟——模擬半導體材料的歐姆接觸電阻。歐姆接觸電阻是測量半導體與金屬接觸時產生的電阻,它會影響電流的流動難易程度。

  迄今為止,一個關鍵問題是歐姆接觸電阻的建模非常困難。目前的方法采用經典的機器學習 (CML) 算法,但它們需要大量數據集,并且在小樣本、非線性設置下性能會下降。

  由澳大利亞聯邦科學與工業研究組織 (CSIRO) 量子系統負責人兼教授穆罕默德·烏斯曼 (Muhammad Usman) 領導的澳大利亞研究人員走了一條不同的道路。他們采用量子機器學習 (QML) 方法,對 159 個 GaN HEMT(氮化鎵高電子遷移率晶體管)半導體實驗樣本的數據進行分析。這種巧妙的方法融合了經典技術和量子技術。

  首先,他們將眾多制造變量縮小到僅對性能有關鍵影響的變量。

  然后,他們開發了一種量子核對齊回歸器 (QKAR) 架構,將經典數據轉換為量子態,從而啟動機器學習過程。從數據中提取所有特征后,經典算法會檢索信息,然后對其進行訓練以指導制造過程。QKAR 技術優于針對同一問題開發的七種不同的 CML 算法。

  研究人員寫道:“這些發現證明了 QML 在半導體領域有效處理高維、小樣本回歸任務的潛力,并隨著量子硬件的不斷成熟,為其在未來實際應用中的部署指明了有希望的途徑。”

  除了可能降低半導體行業的制造成本和提升設備性能外,這項研究還可能產生其他深遠的影響。隨著量子技術的不斷發展,它們或許有助于解決超出傳統計算機能力范圍的復雜問題。

  目前,該團隊的研究成功已經發表在《先進科學》雜志上,首次表明,通過將量子方法應用于真實實驗數據可以改進半導體制造。


中傳動網版權與免責聲明:

凡本網注明[來源:中國傳動網]的所有文字、圖片、音視和視頻文件,版權均為中國傳動網(www.hysjfh.com)獨家所有。如需轉載請與0755-82949061聯系。任何媒體、網站或個人轉載使用時須注明來源“中國傳動網”,違反者本網將追究其法律責任。

本網轉載并注明其他來源的稿件,均來自互聯網或業內投稿人士,版權屬于原版權人。轉載請保留稿件來源及作者,禁止擅自篡改,違者自負版權法律責任。

如涉及作品內容、版權等問題,請在作品發表之日起一周內與本網聯系,否則視為放棄相關權利。

關注伺服與運動控制公眾號獲取更多資訊

關注直驅與傳動公眾號獲取更多資訊

關注中國傳動網公眾號獲取更多資訊

最新新聞
查看更多資訊

熱搜詞
  • 運動控制
  • 伺服系統
  • 機器視覺
  • 機械傳動
  • 編碼器
  • 直驅系統
  • 工業電源
  • 電力電子
  • 工業互聯
  • 高壓變頻器
  • 中低壓變頻器
  • 傳感器
  • 人機界面
  • PLC
  • 電氣聯接
  • 工業機器人
  • 低壓電器
  • 機柜
回頂部
點贊 0
取消 0