量子PC开始开发第三代半导体了

01

芯片制程难求解

怎么用都不发烫的手机、续航超1000km的电车……说不定有一天在量子的帮助下，这些“不可能”都会成真。

最近澳大利亚国家级研究机构CSIRO与北京大学、香港城市大学等合作，首次展示了量子机器学习在半导体制造中的应用，并且证明量子机器学习要明显优于传统AI学习方式。

在半导体新材料研发初期，资料极少、制程又复杂，尤其是在开发第三代半导体“氮化镓(GaN)”芯片的时候。

根据论文，研究者是想利用量子机器学习来解决“欧姆接触建模”的难题。所谓欧姆接触，指的是金属与半导体接触时，接触面的电阻很小，电流电压关系呈线性，不产生明显的附加阻抗。

CSIRO与北京大学、香港城市大学等合作的量子机器学习项目

也可以理解为，金属和半导体“握手”时最好没有电阻。传统的方式是利用高温退火强行“破壁”，让金属原子渗透进半导体材料中。但这就好比用焊枪焊接玻璃艺术品，温度低了焊不牢固，温度高了又会烧穿。

一般来说，半导体和金属天生存在能量壁垒，如果不突破这个壁垒，电流就会像堵在早高峰路口，芯片性能大打折扣；如果控制不好，又会导致信号失真。其实我们也能感觉到欧姆接触不良的影响，比如手机处理器背后的金属触点如果欧姆接触不良，就会导致手机在充电时发热。

但是决定欧姆接触建模的变因特别多：金属要用几层、厚度几纳米、退火温度在830摄氏度还是870摄氏度等等，排列组合起来，新材料的制程方式有无数种。如果每一种都靠实验来验证，那成本将没有止境。

量子机器学习就在这里发挥了作用。

02

量子比AI强在何处？

研究团队本来是想用现有AI大模型进行训练的，但传统机器学习需要大量数据，可惜能“喂”给AI的数据太少，仅有159组数据。

“学习资料”太少，只能训练出“死读书”的AI，提供的答案都挑不出合适能用的，只好转用量子机器学习（QML），其中的关键就在于量子核心（Quantum Kernel），它正是为解决“小数据+高维度+非线性”的工业难题而生。

量子核心来自传统机器学习中的“经典核方法（Kernel Method）”，经典核方法也能解决很多问题，但面对超高维数据，就会面临指数级复杂度，计算难度随维度增长而剧增。

换句话说，经典核方法要试100次才能找到最佳工艺，但那耗时烧钱；但量子核心只试10次就能直接输出最优工艺配方。

就像去试菜，尽管只有几盘，但量子核心依然能根据香味来推断其背后的配方——可能有读者会说，现在常见的AI学习机制也能做到这种升维判断啊，怎么能说只有量子核心能做到？

量子机器学习能看透隐藏维度，找到人脑和经典电脑摸不透的规律

可以是可以，但传统AI学习机制其实更像是利用透视法来做一个“假”3D模型，量子机器学则能如同一台3D打印机，真的看透隐藏维度，找到人脑和经典电脑摸不透的规律。依靠量子位元的纠缠与叠加，5个位元就能形成一个32维空间，且这个多维空间还能呈指数级增长，当然也能比传统机器学习看得更深远。

总的来说，量子核心不是要替代经典计算，而是能为半导体研发装上“量子透镜”，将纳米级工艺的微弱信号在量子空间放大，让工程师从极少实验中洞察最优工艺路径。这项技术正从实验室走向产线，主要的推进者之一就是谷歌，未来，量子机器学习或将成为芯片制造的新引擎。

微信订阅

欢迎通过邮局渠道订阅2025年《电脑报》

邮发代号：77-19

单价：8元，年价：400元

编辑｜张毅

主编｜黎坤

总编辑｜吴新

爆料联系：cpcfan1874（微信）

壹零社：用图文、视频记录科技互联网新鲜事、电商生活、云计算、ICT领域、消费电子，商业故事。《中国知网》每周全文收录；中国科技报刊100强；2021年微博百万粉丝俱乐部成员；2022年抖音优质科技内容创作者