澳洲研究团队近日开发出一项具突破性的半导体制程技术，首次成功应用量子机器学习（Quantum Machine Learning, QML）来构建制程模型。提升了制造的精准度与效率财富策略，并有望降低芯片生产成本。
传统的半导体制程非常繁琐，从光罩、蚀刻到堆栈，每颗芯片需经历数百个步骤才能完成。其中，像欧姆接触电阻这类影响导电性能的非线性参数，向来是建模难题。一般方法需要大量数据才能训练出有效模型财富策略，但当数据有限时效果会明显下降。
研究团队此次开发的QKAR（Quantum Kernel-Aligned Regressor） 架构，将量子运算与传统机器学习相结合。量子机器学习运用量子态特性，能抓住更复杂的数据关联性，在小样本条件下依然表现出色，目前QKAR的表现超越了七种传统机器学习算法。
量子计算机中的量子位元运行方式，与传统计算机以0和1为基础的位元截然不同。量子位元运用的是量子力学中的“叠加原理”，能同时处于0与1的状态，使得运算结果能涵盖更多变量与可能性。
尽管量子机器学习目前仍处于研究与实验阶段，若能突破技术问题，有望打破传统芯片因尺寸微缩所带来的限制，为半导体产业带来全新制程模式与技术转型契机。
（首图来源：pixabay）财富策略
顺阳网提示：文章来自网络，不代表本站观点。
