يُعتبر تصنيع أشباه الموصلات تحديًا كبيرًا في الهندسة الحديثة بسبب الحاجة إلى دقة عالية ومئات العمليات المعقدة. حقق باحثو منظمة العلوم والصناعة الاتحادية الأسترالية (CSIRO) إنجازًا رائدًا باستخدام التعلم الآلي الكمومي (QML) في تصنيع أشباه الموصلات، ونُشرت النتائج في مجلة Advanced Science. يُعد هذا البحث تقدمًا كبيرًا من خلال تحسين نمذجة مقاومة التلامس الأومي (Ohmic Contact Resistance)، مما يفتح آفاقًا جديدة لتصنيع الرقائق.

ركز الفريق على نمذجة مقاومة التلامس الأومي، وهي خاصية تعكس كفاءة انتقال التيار عند التلامس بين أشباه الموصلات والمعادن. تعتمد النمذجة التقليدية على خوارزميات التعلم الآلي الكلاسيكية (CML)، لكنها تعاني من قيود مثل الحاجة إلى بيانات ضخمة وانخفاض الأداء في سيناريوهات البيانات الصغيرة. ابتكر فريق البروفيسور محمد عثمان، رئيس أنظمة الكم في CSIRO، نهجًا جديدًا باستخدام التعلم الآلي الكمومي، حيث حللوا 159 عينة تجريبية من ترانزستورات التنقل العالي للإلكترونات من نيتريد الغاليوم (GaN HEMT). بدأ الفريق باختيار المتغيرات الأساسية المؤثرة على الأداء، ثم طوروا بنية Quantum Kernel Alignment Regressor (QKAR)، التي تُشفر البيانات الكلاسيكية إلى حالات كمومية لبدء عملية التعلم الآلي. بعد استخراج الميزات، تسترد الخوارزميات الكلاسيكية المعلومات وتدرب النموذج لتحسين عملية التصنيع.