国立清华大学的研究人员发表了题为“混合经典-量子深度学习的半导体缺陷检测”的新研究论文。
摘要
“随着人工智能和自动驾驶技术的快速发展，半导体的需求预计将大幅增加。然而，半导体制造业的大规模扩张和新技术的发展将带来许多缺陷晶圆。如果这些缺陷晶圆没有得到正确的检查，这些缺陷晶圆上无效的半导体加工将对我们的环境造成额外的影响，例如过度的二氧化碳排放和能源消耗。本文利用量子计算的信息处理优势，促进缺陷学习缺陷审查(DLDR)。我们提出了一种经典-量子混合算法用于短期量子处理器的深度学习。该框架驱动的量子电路通过调优参数来学习给定的DLDR任务，包括晶圆缺陷图分类、缺陷模式分类和热点检测。此外，我们还探索了具有不同表达能力和纠缠能力的参数化量子电路。这些结果可用于构建未来的路线图，以开发用于半导体缺陷检测的基于电路的量子深度学习。”
找到开放获取这里是技术文件．2022年出版。
杨元富，孙敏;IEEE/CVF计算机视觉和模式识别会议论文集(CVPR)， 2022，第2323-2332页。
参观半导体工程技术论文库并发现更多芯片行业的学术论文。
留下回复