華人學(xué)者首次利用量子機(jī)器學(xué)習(xí)助力半導(dǎo)體技術(shù)實(shí)現(xiàn)突破。近日，澳大利亞新南威爾士大學(xué)博士畢業(yè)生、目前在澳大利亞最大的國(guó)家級(jí)科技研究機(jī)構(gòu)——澳大利亞聯(lián)邦科學(xué)與工業(yè)研究組織（CSIRO，Commonwealth Scientific and Industrial Research Organization）擔(dān)任研究員的王澤恒，和合作者利用量子機(jī)器學(xué)習(xí)（QML，quantum machine learning）在全球范圍內(nèi)首次實(shí)現(xiàn)了半導(dǎo)體制造工藝優(yōu)化。該研究首次證明，量子方法可被用于半導(dǎo)體制造的真實(shí)實(shí)驗(yàn)數(shù)據(jù)，從而能夠起到優(yōu)化工藝流程的作用，因此這項(xiàng)研究可能會(huì)重塑未來(lái)微芯片的設(shè)計(jì)方式。

圖 | 右側(cè)人物為王澤恒（來(lái)源：https://www.linkedin.com/in/ze）

半導(dǎo)體制造堪稱現(xiàn)代工程最復(fù)雜的高難度技術(shù)之一，單是制造一枚芯片就需要數(shù)百道工序，這些工序包括蝕刻、沉積等，而且每道工序都要求極高的精度。

然而，王澤恒等人首次利用量子機(jī)器學(xué)習(xí)來(lái)制造半導(dǎo)體，日前相關(guān)論文發(fā)表在Advanced Science（IF 14.3）上。

圖 | 相關(guān)論文（來(lái)源：Advanced Science）

研究中，該團(tuán)隊(duì)重點(diǎn)研究了半導(dǎo)體材料歐姆接觸電阻的建模問(wèn)題，通過(guò)研究這一問(wèn)題他們旨在衡量半導(dǎo)體與金屬接觸部位電阻大小的指標(biāo)。在接觸部位上，電流可以在兩種材料之間雙向順暢流動(dòng)。而對(duì)歐姆接觸電阻進(jìn)行建模對(duì)于半導(dǎo)體的設(shè)計(jì)和制造至關(guān)重要，但這也是一種出了名難以建模的特性。在此之前，人們很難針對(duì)歐姆接觸電阻進(jìn)行建模。之前一種常見(jiàn)方法是使用經(jīng)典機(jī)器學(xué)習(xí)（CML，classical machine learning）算法，但是這些算法需要大量的數(shù)據(jù)集，而且在小樣本、非線性場(chǎng)景中的性能會(huì)出現(xiàn)下降。

而在本次研究之中，他們?cè)?159 個(gè)氮化鎵高電子遷移率晶體管（GaN HEMT，Gallium Nitride High Electron Mobility Transistor）半導(dǎo)體實(shí)驗(yàn)樣本的數(shù)據(jù)上，對(duì)其量子機(jī)器學(xué)習(xí)模型進(jìn)行了測(cè)試。與更常見(jiàn)的硅基晶體管相比，氮化鎵高電子遷移率晶體管具有更優(yōu)異的性能。

一旦獲取半導(dǎo)體制造數(shù)據(jù)集，研究人員就會(huì)開(kāi)始進(jìn)行大量預(yù)處理，事實(shí)上這一預(yù)處理步驟也是一種傳統(tǒng)流程。研究中，他們提取影響制造過(guò)程的各種參數(shù)，并進(jìn)行了一種名為“熱編碼”的處理，其實(shí)這一處理在本質(zhì)上就是標(biāo)記特定參數(shù)是否被激活。

這些數(shù)據(jù)都是由 0 和 1 組成的二進(jìn)制數(shù)據(jù)，并用來(lái)表示諸如特定氣體是否開(kāi)啟、退火時(shí)間、是否進(jìn)行了摻雜等情況。

熱編碼完成之后，研究人員從每個(gè)實(shí)驗(yàn)中得到了一份包含 37 個(gè)參數(shù)的列表。通過(guò)經(jīng)典的主成分分析（PCA，principal component analysis）法，他們將參數(shù)精簡(jiǎn)至 5 個(gè)核心變量。

（來(lái)源：Advanced Science）

研究人員表示，目前可用的量子計(jì)算機(jī)性能仍十分有限，因此需要通過(guò)智能降維處理，使計(jì)算任務(wù)適配現(xiàn)有量子硬件的算力水平。完成上述步驟之后，他們開(kāi)始進(jìn)行量子部分的工作。

在量子部分的研究中，該團(tuán)隊(duì)研發(fā)出一種量子核對(duì)齊回歸器（QKAR，Quantum Kernel-Aligned Regressor）架構(gòu)。量子核對(duì)齊回歸器在設(shè)置上包含了一個(gè)泡利-Z 量子特征映射——這是一種數(shù)學(xué)算子，能夠?qū)⒔?jīng)典數(shù)據(jù)轉(zhuǎn)化為由 5 個(gè)量子比特（或稱 qubit）表示的量子態(tài)。一旦數(shù)據(jù)被映射到量子比特上，就會(huì)使用量子核對(duì)齊層來(lái)執(zhí)行機(jī)器學(xué)習(xí)。

在計(jì)算機(jī)科學(xué)中，內(nèi)核是操作系統(tǒng)的核心組件。它們管理系統(tǒng)資源，并在軟件與硬件組件之間起到銜接作用。而量子核計(jì)算能從制造數(shù)據(jù)集中提取出重要特征。這也是量子“魔力”發(fā)揮作用的地方，因?yàn)檫@些核具有高度的糾纏性。當(dāng)它們處理數(shù)據(jù)集時(shí)，能夠獲取到人們過(guò)去使用的經(jīng)典核無(wú)法獲得的信息。量子核提取重要特征后，就會(huì)使用一種經(jīng)典機(jī)器學(xué)習(xí)算法來(lái)檢索信息。

經(jīng)典機(jī)器學(xué)習(xí)算法會(huì)利用量子方法提取出的結(jié)果，然后通過(guò)訓(xùn)練進(jìn)而為制造過(guò)程提供指導(dǎo)，它能告訴研究人員在制造過(guò)程中哪些重要參數(shù)起到了關(guān)鍵作用，以及需要調(diào)整或優(yōu)化哪些參數(shù)來(lái)提升制造效果。

研究人員表示，量子核對(duì)齊回歸器技術(shù)在同一問(wèn)題的建模中，其表現(xiàn)優(yōu)于 7 種經(jīng)典機(jī)器學(xué)習(xí)算法。由于只需要 5 個(gè)量子比特，因此該方法可被立即用于當(dāng)前的量子架構(gòu)，這也體現(xiàn)了本次技術(shù)的實(shí)用價(jià)值。通常量子算法需要數(shù)十個(gè)量子比特，而這遠(yuǎn)超當(dāng)前硬件水平。但是本次研究人員開(kāi)發(fā)的經(jīng)典與量子相結(jié)合的方法，不僅在當(dāng)下就能部署應(yīng)用，更將在短期內(nèi)顯現(xiàn)技術(shù)優(yōu)勢(shì)。

（來(lái)源：Advanced Science）

當(dāng)前，半導(dǎo)體行業(yè)日益受到數(shù)據(jù)稀缺和工藝復(fù)雜性上升的制約。而本次研究結(jié)果表明，經(jīng)過(guò)精心設(shè)計(jì)的量子模型能夠捕捉經(jīng)典模型可能遺漏的數(shù)據(jù)規(guī)律——尤其在高維度、小樣本場(chǎng)景下。研究人員通過(guò)制備新型氮化鎵器件驗(yàn)證了該模型，實(shí)測(cè)性能得到優(yōu)化；進(jìn)一步通過(guò)量子核譜分析，證實(shí)了量子機(jī)器學(xué)習(xí)具備超越訓(xùn)練數(shù)據(jù)的泛化能力。

另?yè)?jù)悉，量子機(jī)器學(xué)習(xí)面臨的最大挑戰(zhàn)之一是如何使其具有實(shí)用性，通過(guò)在淺層量子電路中引入可學(xué)習(xí)的核對(duì)齊層，研究人員證明即使在量子比特硬件有限的情況下，也能實(shí)現(xiàn)性能提升。該模型在真實(shí)量子噪聲水平下也表現(xiàn)出了穩(wěn)健性，這對(duì)于未來(lái)在真實(shí)嘈雜中尺度量子（NISQ，Noisy intermediate-scale quantum）設(shè)備上的應(yīng)用至關(guān)重要。

（來(lái)源：Advanced Science）

研究人員表示本次成功表明：在半導(dǎo)體領(lǐng)域，量子機(jī)器學(xué)習(xí)在有效處理高維度、小樣本回歸任務(wù)方面具有潛力。并指出，隨著量子硬件的不斷成熟，其在未來(lái)實(shí)際應(yīng)用中的部署有望開(kāi)辟?gòu)V闊前景。這項(xiàng)研究突顯了量子機(jī)器學(xué)習(xí)在復(fù)雜高維數(shù)據(jù)中發(fā)掘規(guī)律的能力，除了有望降低半導(dǎo)體行業(yè)的制造成本并改善器件性能外，這項(xiàng)研究還可能產(chǎn)生其他深遠(yuǎn)影響。也就是說(shuō)，除了在氮化鎵（GaN）上進(jìn)行初步的概念驗(yàn)證測(cè)試外，量子核對(duì)齊回歸器模型還可用于其他材料。隨著量子技術(shù)的不斷發(fā)展，它們可能有助于解決傳統(tǒng)計(jì)算機(jī)無(wú)法解決的復(fù)雜問(wèn)題，并具備拓展應(yīng)用于其他材料體系的潛力。

研究人員還表示，本次成果清晰證明了量子方法能提取經(jīng)典技術(shù)無(wú)法獲取的特征。作為其所發(fā)表的首個(gè)實(shí)證研究，其有效性已得到驗(yàn)證。接下來(lái)他們將與材料開(kāi)發(fā)科學(xué)家合作，探索新型材料體系——包括硅基半導(dǎo)體制造工藝等其他材料系統(tǒng)。下一步計(jì)劃是：通過(guò)多數(shù)據(jù)集驗(yàn)證該方法的適用范圍，并在各類實(shí)驗(yàn)樣本中進(jìn)一步檢驗(yàn)其普適性。

參考資料：

相關(guān)論文：Z, Wang et al. Quantum Kernel Learning for Small Dataset Modeling in Semiconductor Fabrication: Application to Ohmic Contact.Advanced Science(2025). https://doi.org/10.1002/advs.202506213

https://www.linkedin.com/in/zeheng-w-90ab80187/?original_referer=https%3A%2F%2Fwww%2Egoogle%2Ecom%2Ehk%2F&originalSubdomain=au

https://people.csiro.au/W/Z/zeheng-wang

https://www.csiro.au/en/about/We-are-CSIRO

運(yùn)營(yíng)/排版：何晨龍