Квантовое машинное обучение ускоряет проектирование чипов на 20%

Австралийские исследователи разработали новый метод квантового машинного обучения для создания более эффективных полупроводниковых чипов. Согласно LiveScience, этот подход позволяет улучшить процесс проектирования микросхем на 8,8-20,1% по сравнению с традиционными методами.

Технология, описанная в журнале Advanced Science, использует квантовые состояния для кодирования данных перед их анализом с помощью машинного обучения. Особенно полезным этот метод может оказаться на финальных этапах производства чипов, где требуется точное моделирование электрических характеристик.

«Эти результаты демонстрируют потенциал квантового машинного обучения для обработки сложных задач в полупроводниковой отрасли», — отмечается в исследовании.

Учёные протестировали метод на 159 образцах транзисторов GaN HEMT, используемых в высокотехнологичной электронике. Разработанный ими алгоритм Quantum Kernel-Aligned Regressor (QKAR) преобразует классические данные в квантовые состояния, анализирует их и передаёт результаты системе машинного обучения для оптимизации процесса проектирования.

Хотя для полного раскрытия потенциала технологии потребуется более совершенное квантовое оборудование, исследование показывает, как сочетание квантовых вычислений и машинного обучения может революционизировать различные отрасли уже сейчас.

Интересный факт: GaN-транзисторы, использованные в исследовании, применяются в 5G-оборудовании и спутниковых системах благодаря их высокой энергоэффективности.

Источник: Tomshardware.com