Nie USA, nie Čína, ale Austrália dosiahla prelom, ktorý môže zmeniť celý elektronický priemysel. Mikroprocesor budúcnosti už funguje a prináša lepšie výsledky ako klasické integrované obvody.
Vedci z Commonwealth Science and Industrial Research Organization (CSIRO), austrálskej národnej výskumnej agentúry, zaviedli kvantové strojové učenie na výrobu polovodičov budúcnosti. Vedci tvrdia, že prevyšuje klasické výpočty umelej inteligencie, ktoré sa v súčasnosti používajú pri navrhovaní a výrobe polovodičov, a môže zmeniť spôsob ich navrhovania.
Kvantové strojové učenie prevyšuje výpočty umelej inteligencie
Návrh polovodičov je oblasť, v ktorej sa odborníci z rôznych oblastí, ako je elektrotechnika, materiálové inžinierstvo a informatika, spájajú s cieľom vytvoriť integrované obvody, ktoré napájajú moderné elektronické zariadenia. To vyžaduje špeciálne znalosti v rôznych oblastiach a následne sa vykonávajú prísne testy, aby sa určilo, či zariadenie spĺňa kritériá výkonu.
V ére vysokovýkonných výpočtov a využitia umelej inteligencie (AI) sa aj návrh polovodičov zdokonaľuje pomocou tohto nástroja. Klasické strojové učenie (CML) už bolo zavedené v týchto oblastiach.
Jeho výkonnosť sa však zhoršuje v nelineárnych scenároch na malých vzorkách. Vedci z CSIRO preto chceli preskúmať, či by namiesto toho bolo možné použiť kvantové strojové učenie (QML).
Výskumný tím pod vedením Muhammada Usmana, profesora a vedúceho oddelenia kvantových systémov CSIRO, sa zameral na modelovanie kontaktného odporu ohmického polovodičového materiálu. Ide o mieru elektrického odporu, pri ktorej polovodič prichádza do kontaktu s kovom a prúd môže voľne prúdiť.
Zvýšenie výkonu čipov
Hoci je to pri navrhovaní polovodičov rozhodujúce, je to zároveň najťažšie modelovať. Výskumný tím aplikoval svoj prístup k kvantovému strojovému učeniu na údaje zo 159 experimentálnych vzoriek GaN HEMT (tranzistor s vysokou pohyblivosťou elektrónov z nitridu gália). Tieto polovodiče majú lepšie prevádzkové vlastnosti ako polovodiče na báze kremíka.
Vedci najprv použili široký rozsah parametrov, ale potom ho zúžili, aby určili, ktoré faktory ovplyvňujú výrobný proces. Pôvodný zoznam bol zredukovaný na 37 parametrov pre každý experiment a potom na päť pre analýzu hlavných komponentov.
„Kvantové počítače, ktoré máme v súčasnosti, majú veľmi obmedzené možnosti,“ vysvetlil portálu Cosmos doktor Muhammad Usman. „Preto sme to chceli zjednodušiť. Chceli sme sa uistiť, že dokážeme intelektuálne znížiť rozmer problému a urobiť to v rámci možností moderných kvantových procesov,“ dodal.
Ako bol vyvinutý nový čip?
Vedci vyvinuli architektúru Quantum Kernel-Aligned Regresor (QKAR) na prácu s kvantovou zložkou. QKAR prevádza klasické dáta na kvantové dáta v piatich kubitoch.
Toto zobrazenie na kubity má kľúčový význam pre spustenie procesu strojového učenia, ktorý prebieha cez vrstvu kvantového jadra. Táto vrstva extrahuje dôležité charakteristiky zo súborov údajov a potom sa na extrakciu informácií použije klasický algoritmus.
„Táto klasická technika strojového učenia prijíma výsledok získaný kvantovou metódou a potom sa učí, aby ho vrátila späť do výroby,“ dodal Usman. „Môže nám poskytnúť informácie o dôležitých parametroch výrobného procesu, ktoré hrajú kľúčovú úlohu, a o tom, čo je potrebné zmeniť alebo nastaviť na optimalizáciu výroby,“ vysvetľuje.
Prístup QKAR prekonal sedem rôznych algoritmov CML vyvinutých na riešenie tohto problému. Ešte dôležitejšie je, že keďže táto metóda vyžaduje len päť kubitov, dá sa zaviesť na okamžité riešenie problémov výrobného odvetvia. „Naše výsledky ukazujú, že kvantové modely, ak sú starostlivo navrhnuté, môžu zachytiť vzory, ktoré klasické modely nemusia zaznamenať, najmä v multidimenzionálnych režimoch malých dát,“ povedal Zeheng Wang, kvantový výskumník CSIRO, ktorý sa podieľal na práci, citovaný Interesting Engineering.
