半导体制造工艺因需极高精度与数百道复杂工序，长期被视为现代工程领域的重大挑战。澳大利亚国家研究机构联邦科学与工业研究组织(CSIRO)的研究人员首次将量子机器学习(QML)技术应用于半导体制造，相关成果发表于《先进科学》杂志。这一突破性研究通过改进欧姆接触电阻建模，为芯片制造开辟了新路径。
研究团队聚焦半导体设计中的关键环节——欧姆接触电阻模拟。该电阻反映半导体与金属接触时的电流传导效率，但传统建模依赖经典机器学习(CML)算法，存在需海量数据集、小样本场景性能下降等局限。CSIRO量子系统负责人穆罕默德·乌斯曼教授团队另辟蹊径，采用量子机器学习方法，对159个氮化镓高电子迁移率晶体管(GaN HEMT)实验样本进行分析。团队首先筛选出对性能影响显著的核心变量，随后开发量子核对齐回归器(QKAR)架构，将经典数据编码为量子态以启动机器学习流程。经特征提取后，经典算法检索信息并训练模型，最终实现制造过程优化。
实验表明，QKAR技术在处理高维小样本回归任务时，性能显著优于七种传统CML算法。研究人员指出：“这一成果验证了量子机器学习在半导体领域的潜力，随着量子硬件成熟，其实际应用前景广阔。”该技术不仅有望降低制造成本、提升设备性能，还可能推动量子计算解决传统计算机难以处理的复杂问题，为半导体行业带来深远变革。
