Yarımkeçiricilərin emalı çox çətin məsələdir. Tələb olunan hədsiz dəqiqliyə və hətta tək bir çipi düzəltmək üçün aşındırma və təbəqələmə kimi yüzlərlə addıma görə müasir mühəndisliyin ən mürəkkəb bacarıqlarından biridir.

Bununla belə, dünyada ilk dəfə olaraq, Avstraliyanın milli tədqiqat agentliyi olan Birlik Elmi və Sənaye Tədqiqat Təşkilatının (CSIRO) tədqiqatçıları yarımkeçiricilər hazırlamaq üçün kvant maşın öyrənməsindən istifadə etdilər. Onların araşdırmaları çiplərin hazırlanma üsulunda inqilab edə bilər.

“Advanced Science” jurnalında dərc olunmuş komandanın araşdırması ilk dəfə olaraq göstərir ki, real eksperimental məlumatlara kvant metodologiyasını tətbiq etməklə yarımkeçiricilərin istehsalı təkmilləşdirilə bilər.

Onlar diqqətlərini yarımkeçiricilərin dizayn prosesində kritik bir addıma – yarımkeçirici materialın Ohmik təmas müqavimətinin modelləşdirilməsinə yönəldiblər. Bu, yarımkeçirici metal ilə təmasda olduqda meydana gələn elektrik müqavimətinin ölçüsüdür və bu, cərəyanın nə qədər asanlıqla axmasına təsir göstərir.

Modelləşdirmə problemləri

İndiyə qədər diqqət çəkən məqamlardan biri Ohmik kontakt müqavimətinin modelləşdirilməsinin çox çətin olmasıdır. Mövcud yanaşma klassik maşın öyrənməsi (CML) alqoritmlərindən istifadə edir, lakin onlar böyük məlumat dəstləri tələb edir və kiçik nümunəli, qeyri-xətti parametrlərdə onların performansı aşağı düşür.

CSIRO-da kvant sistemlərinin rəhbəri və professor Məhəmməd Usmanın başçılıq etdiyi avstraliyalı tədqiqatçılar fərqli yola getdilər.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=2793866484&adk=2520359048&adf=1100001614&pi=t.ma~as.2793866484&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1751605547&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-07-quantum-machine-semiconductor.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM3LjAuNzE1MS4xMjAiLG51bGwsMCxudWxsLCI2NCIsW1siR29vZ2xlIENocm9tZSIsIjEzNy4wLjcxNTEuMTIwIl0sWyJDaHJvbWl1bSIsIjEzNy4wLjcxNTEuMTIwIl0sWyJOb3QvQSlCcmFuZCIsIjI0LjAuMC4wIl1dLDBd&dt=1751605544316&bpp=1&bdt=1922&idt=1546&shv=r20250630&mjsv=m202507010101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1751605544%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1751605544%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3D878d521b85743f4c%3AT%3D1751526237%3ART%3D1751605544%3AS%3DAA-AfjZCLruwaFzoQORvGPwXS3Y2&prev_fmts=0x0%2C1905x945&nras=2&correlator=2014916474647&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1676&biw=1905&bih=945&scr_x=0&scr_y=0&eid=95333412%2C95353387%2C95362655%2C95365226%2C95365112%2C95359265%2C95365121%2C95360684&oid=2&pvsid=6812891127580465&tmod=352556126&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=3147

Onlar GaN HEMT (qallium nitridi yüksək elektron-hərəkətli tranzistor) yarımkeçiricilərinin 159 eksperimental nümunəsindən alınan məlumatlar üzərində kvant maşın öyrənməsi (QML) yanaşmasından istifadə ediblər. Bu ağıllı üsul klassik və kvant texnikalarını birləşdirir.

Birincisi, onlar bir çox istehsal dəyişənlərini yalnız performansa əsas təsir göstərənlərə qədər daraltdılar.

Sonra, maşın öyrənmə prosesinə başlamaq üçün klassik məlumatları kvant vəziyyətlərinə çevirmək üçün Quantum Kernel-Aligned Regressor (QKAR) arxitekturasını inkişaf etdirdilər. Məlumatlardan bütün xüsusiyyətlər çıxarıldıqdan sonra klassik alqoritm məlumatı əldə etdi, sonra isə istehsal prosesini istiqamətləndirmək üçün öyrədilib.

QKAR texnikası eyni problem üçün hazırlanmış yeddi fərqli CML alqoritmini üstələyib.

“Bu tapıntılar yarımkeçirici domenlərdə yüksək ölçülü, kiçik nümunəli reqressiya tapşırıqlarını effektiv şəkildə idarə etmək üçün QML potensialını nümayiş etdirir və kvant aparatının yetkinləşməyə davam etdiyi üçün gələcək real dünya tətbiqlərində onun yerləşdirilməsi üçün perspektivli yollara işarə edir” dedi tədqiqatçılar.

Potensial olaraq istehsal xərclərini azaltmaq və yarımkeçiricilər sənayesində cihazın performansını yaxşılaşdırmaqla yanaşı , bu tədqiqatın başqa geniş miqyaslı nəticələri də ola bilər. Kvant texnologiyaları inkişaf etməyə davam etdikcə, onlar klassik kompüterlərin imkanlarından kənarda olan mürəkkəb problemlərin həllinə kömək edə bilər.

Müəllifimiz Paul Arnold tərəfindən sizin üçün yazılmış , Gaby Clark tərəfindən redaktə edilmiş və Robert Eqan tərəfindən yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu hesabat sizin üçün əhəmiyyət kəsb edirsə, lütfən, ianə (xüsusilə aylıq) nəzərdən keçirin. Siz təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Daha çox məlumat: Zeheng Wang və digərləri, Yarımkeçirici İstehsalında Kiçik Verilənlər Kütləsinin Modelləşdirilməsi üçün Kvant Kernel Öyrənilməsi: Ohmik Kontakt üçün Tətbiq, Qabaqcıl Elm (2025). DOI: 10.1002/advs.202506213

Jurnal məlumatı: Advanced Science 

© 2025 Science X Network