Công nghệ mới này hứa hẹn một tương lai tươi sáng cho ngành sản xuất chip (Ảnh: Getty).
AI giúp đơn giản hoá quá trình thiết kế, sản xuất chip
Các nhà nghiên cứu tại Úc đã tiên phong phát triển một kỹ thuật học máy lượng tử (QML) kết hợp trí tuệ nhân tạo (AI) và điện toán lượng tử, nhằm đơn giản hóa quá trình thiết kế và sản xuất chip phức tạp – vốn là trái tim của hầu hết mọi thiết bị điện tử hiện đại.
Công trình này chứng minh cách các thuật toán QML có thể cải thiện đáng kể quá trình mô hình hóa điện trở bên trong chip, một yếu tố then chốt ảnh hưởng đến hiệu suất hoạt động của chip.
Không giống như máy tính cổ điển sử dụng bit 0 hoặc 1, máy tính lượng tử sử dụng qubit. Nhờ các nguyên tắc như chồng chập và vướng víu, qubit có thể tồn tại ở nhiều trạng thái đồng thời, cho phép xử lý các mối quan hệ toán học phức tạp nhanh hơn nhiều so với các hệ thống cổ điển.
QML mã hóa dữ liệu cổ điển thành trạng thái lượng tử, cho phép máy tính lượng tử khám phá các mẫu dữ liệu mà hệ thống cổ điển khó phát hiện. Sau đó, một hệ thống cổ điển sẽ tiếp quản để diễn giải hoặc áp dụng các kết quả này.
Khó khăn trong sản xuất chip và giải pháp lượng tử
Sản xuất chất bán dẫn là một quy trình phức tạp, đòi hỏi độ chính xác cao qua nhiều bước: Xếp chồng và tạo hình hàng trăm lớp vi mô lên tấm wafer silicon, lắng đọng vật liệu, phủ quang điện, in thạch bản, khắc và cấy ion. Cuối cùng, chip được đóng gói để tích hợp vào thiết bị.
Trong nghiên cứu này, các nhà khoa học tập trung vào việc mô hình hóa điện trở tiếp xúc Ohmic – một thách thức đặc biệt khó khăn trong sản xuất chip. Đây là thước đo mức độ dễ dàng dòng điện chạy giữa các lớp kim loại và bán dẫn của chip; giá trị này càng thấp, hiệu suất càng nhanh và tiết kiệm năng lượng.
Việc mô hình hóa chính xác điện trở này rất quan trọng nhưng gặp khó khăn với các thuật toán học máy cổ điển, đặc biệt khi xử lý các tập dữ liệu nhỏ, nhiễu và phi tuyến tính thường gặp trong các thí nghiệm bán dẫn.
Đây chính là lúc học máy lượng tử phát huy tác dụng.
Nhóm nghiên cứu đã sử dụng dữ liệu từ 159 mẫu thử nghiệm của bóng bán dẫn gali nitride (GaN HEMT), vốn được biết đến với tốc độ và hiệu quả trong thiết bị điện tử 5G. Họ đã phát triển một kiến trúc học máy mới gọi là Quantum Kernel-Aligned Regressor (QKAR).
QKAR chuyển đổi dữ liệu cổ điển sang trạng thái lượng tử, cho phép hệ thống lượng tử xác định các mối quan hệ phức tạp. Sau đó, một thuật toán cổ điển học hỏi từ những hiểu biết đó để tạo ra một mô hình dự đoán, giúp hướng dẫn quá trình chế tạo chip.
Khi được thử nghiệm trên năm mẫu mới, QKAR đã vượt trội hơn hẳn bảy mô hình cổ điển hàng đầu, bao gồm cả các phương pháp học sâu và tăng cường gradient. Mặc dù các số liệu cụ thể không được công bố chi tiết, QKAR đạt được kết quả tốt hơn đáng kể so với các mô hình truyền thống (0,338 ohm trên milimét).
Điểm quan trọng là QKAR được thiết kế để tương thích với phần cứng lượng tử thực tế, mở ra cánh cửa cho việc triển khai vào sản xuất chip thực tế khi công nghệ lượng tử tiếp tục phát triển. Các nhà khoa học tin rằng phương pháp này có thể xử lý hiệu quả các tác đa chiều trong lĩnh vực bán dẫn, hứa hẹn một tương lai tươi sáng cho ngành công nghiệp chip.
