科學(xué)家首次使用量子機(jī)器學(xué)習(xí)制造半導(dǎo)體——可能改變芯片制造方式

微芯片幾乎為所有現(xiàn)代設(shè)備提供動(dòng)力——手機(jī)、筆記本電腦甚至冰箱。但在幕后，制作它們是一個(gè)復(fù)雜的過程。但研究人員表示，他們已經(jīng)找到了一種方法來利用量子計(jì)算的力量，使其變得更簡單。

澳大利亞的科學(xué)家開發(fā)了一種量子機(jī)器學(xué)習(xí)技術(shù)——人工智能 （AI） 和量子計(jì)算原理的結(jié)合——可能會(huì)改變微芯片的制造方式。

他們?cè)?6 月 23 日發(fā)表在《先進(jìn)科學(xué)》雜志上的一項(xiàng)新研究中概述了他們的發(fā)現(xiàn)。在其中，研究人員首次展示了量子機(jī)器學(xué)習(xí)算法如何顯著改善芯片內(nèi)部電阻建模的挑戰(zhàn)性過程——這是影響其性能效率的關(guān)鍵因素。

量子機(jī)器學(xué)習(xí)是一種將經(jīng)典數(shù)據(jù)與量子計(jì)算方法相結(jié)合的混合方法。在經(jīng)典計(jì)算中，數(shù)據(jù)以編碼為 0 或 1 的位存儲(chǔ)。量子計(jì)算機(jī)使用量子比特，并且由于疊加和糾纏等原理，量子比特可以同時(shí)以多種狀態(tài)存在，因此兩個(gè)量子比特可以同時(shí)為 00、01、10 和 11。

這使得量子計(jì)算系統(tǒng)能夠比經(jīng)典系統(tǒng)更快地處理復(fù)雜的數(shù)學(xué)關(guān)系，并行處理隨著添加到系統(tǒng)的量子比特越多，并行處理就會(huì)呈指數(shù)級(jí)增長

量子機(jī)器學(xué)習(xí)獲取經(jīng)典數(shù)據(jù)并將其編碼為量子態(tài)。然后，量子計(jì)算機(jī)可以發(fā)現(xiàn)經(jīng)典系統(tǒng)難以檢測到的數(shù)據(jù)模式。然后，經(jīng)典系統(tǒng)接管解釋或應(yīng)用結(jié)果。

芯片制造過程內(nèi)部

半導(dǎo)體制造是一個(gè)復(fù)雜的多步驟過程，需要艱苦的精度，并且每個(gè)步驟都必須以極高的精度執(zhí)行。即使是最小的不對(duì)中也會(huì)導(dǎo)致芯片失效。

這首先涉及在硅片上堆疊和雕刻數(shù)百個(gè)微觀層——硅片是形成芯片基礎(chǔ)的薄圓形硅片。

將材料薄膜層沉積到晶圓上。光刻膠涂層應(yīng)用了一種光敏材料，可實(shí)現(xiàn)精確的圖案化——?jiǎng)?chuàng)建定義芯片電路的微小、復(fù)雜形狀的過程。

在光刻技術(shù)中，光將這些圖案轉(zhuǎn)移到晶圓表面。然后蝕刻去除選定的材料區(qū)域以雕刻出電路結(jié)構(gòu)。離子注入通過嵌入帶電粒子來調(diào)整每一層的電性能。最后，芯片被封裝，這意味著它被封裝和連接，以便可以集成到設(shè)備中。

這就是量子計(jì)算原理發(fā)揮作用的地方。在這項(xiàng)研究中，研究人員專注于對(duì)歐姆接觸電阻進(jìn)行建?！@是芯片制造中一項(xiàng)特別困難的挑戰(zhàn)。這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);這個(gè)值越低，性能就越快、越節(jié)能。

此步驟是在材料分層和圖案化到晶圓上之后進(jìn)行的，它在確定成品芯片的功能方面起著至關(guān)重要的作用。但準(zhǔn)確建模一直是一個(gè)問題。

工程師通常依靠經(jīng)典的機(jī)器學(xué)習(xí)算法來進(jìn)行此類計(jì)算，該算法從數(shù)據(jù)中學(xué)習(xí)模式以做出預(yù)測。雖然這適用于大型、干凈的數(shù)據(jù)集，但半導(dǎo)體實(shí)驗(yàn)通常會(huì)產(chǎn)生具有非線性模式的小型、嘈雜的數(shù)據(jù)集，而這正是機(jī)器學(xué)習(xí)可能存在不足的地方。為了解決這個(gè)問題，研究人員轉(zhuǎn)向了量子機(jī)器學(xué)習(xí)。

一種新型算法

該團(tuán)隊(duì)使用了 159 個(gè)氮化鎵高電子遷移率晶體管 （GaN HEMT） 實(shí)驗(yàn)樣品的數(shù)據(jù)，氮化鎵高電子遷移率晶體管 （GaN HEMT） 是一種以其速度和效率而聞名的半導(dǎo)體，通常用于電子和 5G 設(shè)備。

首先，他們確定了哪些制造變量對(duì)歐姆接觸電阻影響最大，將數(shù)據(jù)集縮小到最相關(guān)的輸入。然后他們開發(fā)了一種新的機(jī)器學(xué)習(xí)架構(gòu)，稱為量子內(nèi)核對(duì)齊回歸器 （QKAR）。

QKAR 將經(jīng)典數(shù)據(jù)轉(zhuǎn)換為量子態(tài)，使量子系統(tǒng)能夠識(shí)別數(shù)據(jù)中的復(fù)雜關(guān)系。然后，經(jīng)典算法從這些見解中學(xué)習(xí)，創(chuàng)建一個(gè)預(yù)測模型來指導(dǎo)芯片制造。他們?cè)谟?xùn)練數(shù)據(jù)中未包含的五個(gè)新樣本上測試了該模型。

新模型在這些樣本上與七種領(lǐng)先的經(jīng)典模型進(jìn)行了測試，包括深度學(xué)習(xí)和梯度提升方法，它的性能優(yōu)于所有模型。QKAR 取得的結(jié)果明顯優(yōu)于使用傳統(tǒng)模型（每毫米 0.338 歐姆）——盡管研究中沒有包括具體數(shù)字。

然而，重要的是，它被設(shè)計(jì)為與現(xiàn)實(shí)世界的硬件兼容，這意味著它可以部署在量子機(jī)器上，因?yàn)樗鼈冏兊酶涌煽俊?/p>

“這些發(fā)現(xiàn)證明了 [量子機(jī)器學(xué)習(xí)] QML 在有效處理半導(dǎo)體領(lǐng)域中的高維、小樣本回歸任務(wù)方面的潛力，”科學(xué)家們?cè)谘芯恐袑懙?。他們補(bǔ)充說，該方法可能很快就會(huì)應(yīng)用于現(xiàn)實(shí)世界的芯片生產(chǎn)，特別是隨著量子硬件的不斷發(fā)展。