量子計(jì)算或改變芯片制造方式
量子計(jì)算或改變芯片制造方式
來(lái)源：參考消息網(wǎng)
參考消息網(wǎng)8月3日?qǐng)?bào)道 據(jù)美國(guó)趣味科學(xué)網(wǎng)站7月29日?qǐng)?bào)道，制造微芯片是一個(gè)復(fù)雜的過(guò)程。但研究人員稱，他們找到了利用量子計(jì)算的力量簡(jiǎn)化這一過(guò)程的方法。
澳大利亞科學(xué)家開(kāi)發(fā)了一種結(jié)合人工智能和量子計(jì)算原理的量子機(jī)器學(xué)習(xí)技術(shù)，可能改變微芯片的制造方式。
他們?cè)?月23日發(fā)表于《先進(jìn)科學(xué)》雜志的新論文中介紹了這一研究成果。在論文中，研究人員首次論證了量子機(jī)器學(xué)習(xí)算法如何能顯著改善芯片內(nèi)部電阻建模的挑戰(zhàn)性過(guò)程——電阻是影響芯片運(yùn)行效率的關(guān)鍵因素。
量子機(jī)器學(xué)習(xí)是一種把傳統(tǒng)數(shù)據(jù)與量子計(jì)算方法結(jié)合起來(lái)的混合手段。在傳統(tǒng)計(jì)算過(guò)程中，數(shù)據(jù)存儲(chǔ)在被編碼為0或1的比特中。而量子計(jì)算機(jī)則使用量子比特，而且由于量子疊加態(tài)和糾纏等原理，量子比特可同時(shí)處于多種狀態(tài)，因此兩個(gè)量子比特可同時(shí)代表00、01、10和11。
這使量子計(jì)算系統(tǒng)能夠以比傳統(tǒng)系統(tǒng)快得多的速度處理復(fù)雜數(shù)學(xué)關(guān)系——隨著你在系統(tǒng)中增加量子比特?cái)?shù)目，并行處理能力呈指數(shù)級(jí)提升。
量子機(jī)器學(xué)習(xí)將傳統(tǒng)數(shù)據(jù)編碼為量子態(tài)，然后量子計(jì)算機(jī)就能發(fā)現(xiàn)這些數(shù)據(jù)中存在的模式——用傳統(tǒng)計(jì)算系統(tǒng)難以發(fā)現(xiàn)這些模式。隨后一個(gè)傳統(tǒng)系統(tǒng)將接手，以便對(duì)結(jié)果加以解釋或應(yīng)用。
半導(dǎo)體制造是一項(xiàng)復(fù)雜的多步驟工藝，需要費(fèi)盡苦心提升精度，而且必須極端準(zhǔn)確地完成每一步。哪怕最微小的偏差都可能導(dǎo)致芯片報(bào)廢。
在這項(xiàng)研究中，研究人員把重點(diǎn)放在對(duì)歐姆接觸電阻的建模上——這是芯片制造過(guò)程中一項(xiàng)尤其艱難的挑戰(zhàn)。歐姆接觸電阻是衡量芯片金屬層和半導(dǎo)體層之間電流流動(dòng)難易程度的指標(biāo)。該數(shù)值越低，芯片的性能和能效就越高。
這一步是在晶圓被涂覆材料和繪上圖形后進(jìn)行的，在決定成品芯片性能方面發(fā)揮著關(guān)鍵作用。但準(zhǔn)確建模一直是個(gè)難題。
工程師們通常依賴傳統(tǒng)機(jī)器學(xué)習(xí)算法來(lái)進(jìn)行此類計(jì)算，這些算法從數(shù)據(jù)中學(xué)習(xí)模式以做出預(yù)測(cè)。盡管這種方法對(duì)于大規(guī)模、高質(zhì)量數(shù)據(jù)集十分管用，但半導(dǎo)體實(shí)驗(yàn)通常生成的是包含非線性模式的小規(guī)模、帶噪聲的數(shù)據(jù)集，后者讓機(jī)器學(xué)習(xí)發(fā)揮不了作用。為了解決這個(gè)問(wèn)題，研究人員轉(zhuǎn)向量子機(jī)器學(xué)習(xí)。
研究團(tuán)隊(duì)對(duì)來(lái)自159個(gè)氮化鎵高電子遷移率晶體管實(shí)驗(yàn)樣本的數(shù)據(jù)進(jìn)行了處理。這種半導(dǎo)體以快速和高效著稱，常用于電子設(shè)備和5G裝置中。
首先，研究人員確定了哪些制造變量對(duì)歐姆接觸電阻的影響最大，把數(shù)據(jù)集規(guī)?？s小到只包含最具相關(guān)性的數(shù)據(jù)。然后他們開(kāi)發(fā)了一種新的被稱為“量子核對(duì)齊回歸器”(QKAR)的機(jī)器學(xué)習(xí)架構(gòu)。
QKAR架構(gòu)把傳統(tǒng)數(shù)據(jù)轉(zhuǎn)換至量子態(tài)，從而使該量子系統(tǒng)隨后能夠識(shí)別數(shù)據(jù)中存在的復(fù)雜關(guān)系。之后，一個(gè)傳統(tǒng)算法將借鑒這些觀察結(jié)果，創(chuàng)建一個(gè)預(yù)測(cè)性模型以指導(dǎo)芯片制造流程。研究人員利用未包含在訓(xùn)練數(shù)據(jù)中的五個(gè)新樣本對(duì)該模型進(jìn)行了測(cè)試。
研究團(tuán)隊(duì)利用這些樣本對(duì)該模型與七個(gè)領(lǐng)先的傳統(tǒng)模型——包括深度學(xué)習(xí)模型和梯度提升模型——進(jìn)行了對(duì)照測(cè)試，新模型的表現(xiàn)完勝所有傳統(tǒng)模型。QKAR取得了明顯優(yōu)于傳統(tǒng)模型的結(jié)果，盡管論文沒(méi)有提供具體的數(shù)值。
這些科學(xué)家在論文中寫(xiě)道：“這項(xiàng)研究成果證明，量子機(jī)器學(xué)習(xí)在有效處理半導(dǎo)體領(lǐng)域的高維、小樣本回歸任務(wù)方面具備潛力?！?/span>
他們還表示，尤其是在量子硬件持續(xù)發(fā)展的情況下，這種方法可能很快被用在現(xiàn)實(shí)世界的芯片生產(chǎn)活動(dòng)中。（編譯/曹衛(wèi)國(guó)）
