يُعد تصنيع أشباه الموصلات تحديًا هندسيًا كبيرًا في العصر الحديث بسبب الحاجة إلى دقة فائقة ومئات الخطوات المعقدة. نجح باحثون من منظمة البحث العلمي والصناعي للكومنولث الأسترالية (CSIRO) لأول مرة في تطبيق تقنية التعلم الآلي الكمومي (QML) على تصنيع أشباه الموصلات، ونُشرت النتائج في مجلة Advanced Science. يفتح هذا البحث الرائد مسارًا جديدًا لتصنيع الرقائق من خلال تحسين نمذجة مقاومة التلامس الأومي.

ركز فريق البحث على رابط حاسم في تصميم أشباه الموصلات - محاكاة مقاومة التلامس الأومي. تعكس هذه المقاومة كفاءة نقل التيار عند تلامس أشباه الموصلات مع المعدن، لكن النمذجة التقليدية تعتمد على خوارزميات التعلم الآلي الكلاسيكي (CML)، وتواجه قيودًا مثل الحاجة إلى مجموعات بيانات هائلة وانخفاض الأداء في سيناريوهات العينات الصغيرة. سلك فريق البروفيسور محمد عثمان، مدير أنظمة الكم في CSIRO، مسارًا مختلفًا باستخدام التعلم الآلي الكمومي، حيث حللوا 159 عينة تجريبية من ترانزستورات GaN HEMT عالية الحركة الإلكترونية. قام الفريق أولاً بتصفية المتغيرات الرئيسية ذات التأثير الكبير على الأداء، ثم طوروا بنية QKAR، حيث يتم ترميز البيانات الكلاسيكية إلى حالات كمومية لبدء عملية التعلم الآلي. بعد استخراج الميزات، يسترجع الخوارزمية الكلاسيكية المعلومات وتدريب النموذج، مما يحقق تحسينًا لعملية التصنيع.

أظهرت التجارب أن تقنية QKAR تفوقت بشكل ملحوظ على سبع خوارزميات CML تقليدية في معالجة مهام الانحدار ذات الأبعاد العالية والعينات الصغيرة. أشار الباحثون إلى أن: "هذه النتيجة تثبت إمكانات التعلم الآلي الكمومي في مجال أشباه الموصلات، ومع نضوج الأجهزة الكمومية، ستتسع آفاق التطبيقات العملية." لا تعمل هذه التقنية فقط على خفض تكاليف التصنيع وتحسين أداء الأجهزة، بل قد تدفع الحوسبة الكمومية لحل المشكلات المعقدة التي يصعب على الحواسيب التقليدية معالجتها، مما يجلب تغييرًا عميقًا لصناعة أشباه الموصلات.