Australijscy naukowcy zastosowali kwantowe uczenie maszynowe w produkcji przyszłych półprzewodników
Piotr Mazurkiewicz
Pracownicy Commonwealth Science and Industrial Research Organization (CSIRO), australijskiej krajowej agencji badawczej, wprowadzili kwantowe uczenie maszynowe do produkcji półprzewodników przyszłości. Badacze twierdzą, że przewyższa ono tradycyjne obliczenia AI, które są obecnie wykorzystywane w projektowaniu oraz wytwarzaniu półprzewodników i może zrewolucjonizować proces ich projektowania.
Kwantowe uczenie maszynowe przewyższa obliczenia AI
Proces projektowania półprzewodników to obszar, w którym specjaliści z takich dziedzin jak elektrotechnika, materiałoznawstwo oraz informatyka współpracują, aby tworzyć układy scalone napędzające nowoczesne urządzenia elektroniczne. Wymaga to zaawansowanej wiedzy z różnych dziedzin, a następnie przeprowadzane są szczegółowe testy, aby ustalić, czy urządzenie spełnia wymagania dotyczące wydajności.
W erze obliczeń o wysokiej wydajności, z użyciem sztucznej inteligencji (AI), proces projektowania półprzewodników jest również udoskonalany dzięki tym narzędziom. Klasyczne uczenie maszynowe (CML) zostało już wcześniej wykorzystane w tych obszarach.
Niemniej jednak jego efektywność zmniejsza się w przypadku nieliniowych scenariuszy przy małych próbach. W związku z tym naukowcy z CSIRO postanowili zbadać, czy można wykorzystać kwantowe uczenie maszynowe (QML) jako alternatywę.
Zespół badawczy kierowany przez Muhammada Usmana, profesora i lidera systemów kwantowych w CSIRO, skoncentrował się na modelowaniu rezystancji styku omowego materiału półprzewodnikowego. To miara rezystancji elektrycznej, gdzie półprzewodnik ma kontakt z metalem, a prąd może swobodnie przepływać.
Lepsza wydajność chipów
Choć jest to kluczowe w projektowaniu półprzewodników, jest również najtrudniejsze do modelowania. Zespół badawczy zastos
