量子機(jī)器學(xué)習(xí)突破芯片制造瓶頸，新型算法精準(zhǔn)建模歐姆接觸電阻

芯片制造工藝正迎來(lái)量子計(jì)算與人工智能的雙重賦能。近日，澳大利亞研究團(tuán)隊(duì)在《先進(jìn)科學(xué)》期刊發(fā)表了一項(xiàng)創(chuàng)新研究成果，通過(guò)量子機(jī)器學(xué)習(xí)方法顯著提升半導(dǎo)體制造中關(guān)鍵參數(shù)——?dú)W姆接觸電阻的建模精度，這一突破有望為未來(lái)芯片制造提供新路徑。

在半導(dǎo)體行業(yè)中，歐姆接觸電阻直接影響芯片性能與能效，該參數(shù)描述的是金屬層與半導(dǎo)體層間電流通過(guò)的效率，數(shù)值越低，芯片表現(xiàn)越優(yōu)。然而，傳統(tǒng)機(jī)器學(xué)習(xí)方法在面對(duì)高噪聲、小樣本的工藝數(shù)據(jù)時(shí)往往表現(xiàn)不佳，尤其難以捕捉非線性特征，限制了預(yù)測(cè)模型的準(zhǔn)確性。

為解決該問(wèn)題，研究團(tuán)隊(duì)提出名為“量子核對(duì)齊回歸器”（QKAR）的新型混合架構(gòu)，將量子計(jì)算原理與傳統(tǒng)回歸任務(wù)相結(jié)合。該系統(tǒng)首先將實(shí)驗(yàn)數(shù)據(jù)轉(zhuǎn)換為量子態(tài)，利用量子比特的疊加與糾纏特性并行挖掘數(shù)據(jù)深層模式，再經(jīng)經(jīng)典算法解析生成預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)小規(guī)模高維數(shù)據(jù)更高效的處理。

研究團(tuán)隊(duì)基于159個(gè)氮化鎵高電子遷移率晶體管樣本進(jìn)行模型訓(xùn)練與驗(yàn)證。在將制造變量篩選降維后，QKAR僅依靠關(guān)鍵特征數(shù)據(jù)即完成建模，并在未知樣本測(cè)試中，其表現(xiàn)超越包括深度學(xué)習(xí)和梯度提升在內(nèi)的七類傳統(tǒng)機(jī)器學(xué)習(xí)模型。

盡管論文未披露具體性能數(shù)值，但作者明確指出，QKAR在電阻預(yù)測(cè)任務(wù)中“顯著優(yōu)于所有對(duì)比模型”。該方法不僅克服了傳統(tǒng)倍頻鏈噪聲累積的固有問(wèn)題，也展現(xiàn)出量子機(jī)器學(xué)習(xí)在高維、小樣本回歸任務(wù)中的獨(dú)特優(yōu)勢(shì)。

      業(yè)界認(rèn)為，這項(xiàng)技術(shù)尤其適用于實(shí)驗(yàn)成本極高、采樣數(shù)量有限的半導(dǎo)體制造場(chǎng)景，如先進(jìn)制程開發(fā)與化合物半導(dǎo)體器件優(yōu)化。隨著量子硬件持續(xù)發(fā)展，此類混合算法有望很快應(yīng)用于實(shí)際產(chǎn)線，推動(dòng)芯片制造向更高精度、更低功耗的方向發(fā)展。