Canberra, Australien - Forscher des australischen CSIRO haben erfolgreich Quanten-Maschinelles Lernen (QML) in der Halbleiterfertigung eingesetzt, ein Novum in diesem Bereich. Dieser Durchbruch, veröffentlicht in *Advanced Science*, demonstriert die praktische Anwendung von Quantenmethoden auf realen experimentellen Daten.
Das Team konzentrierte sich auf die Modellierung des ohmschen Kontaktwiderstands von Galliumnitrid-Transistoren. Eine genaue Modellierung ist entscheidend für die Optimierung des Halbleiterdesigns. Sie entwickelten eine Quantum Kernel-Aligned Regressor (QKAR) Architektur.
Das QKAR-Modell übertraf sieben klassische Machine-Learning-Algorithmen. Dr. Muhammad Usman wies auf die unmittelbare Anwendbarkeit der QKAR-Technik hin, die nur fünf Qubits benötigt. Dies deutet auf eine einfache Integration in bestehende Prozesse hin und könnte Innovationen in der Fertigung vorantreiben. Dies ist besonders relevant im Kontext der europäischen Bemühungen um technologische Souveränität und die Förderung der Mikroelektronik-Industrie.
Die Ergebnisse könnten auch für deutsche Unternehmen von Interesse sein, die in der Halbleiterfertigung tätig sind, da sie die Entwicklung effizienterer und leistungsfähigerer elektronischer Bauteile ermöglichen könnten. Die Verwendung von QML könnte zu einer Reduzierung des Energieverbrauchs und der Umweltbelastung in der Produktion beitragen, was im Einklang mit den Nachhaltigkeitszielen der EU steht.