Peneliti Australia Gunakan Pembelajaran Kuantum untuk Mempercepat Desain Semikonduktor

Desain semikonduktor adalah proses penting dalam pembuatan chip yang menggerakkan hampir semua perangkat elektronik saat ini. Namun, desain ini rumit dan melibatkan banyak disiplin ilmu, termasuk teknik listrik dan ilmu material. Selama ini, kecerdasan buatan klasik (Classical Machine Learning) sudah digunakan untuk membantu desain, tapi kurang efektif ketika data yang tersedia sedikit dan interaksi parameter bersifat non-linear. Peneliti dari CSIRO di Australia mencoba pendekatan baru menggunakan pembelajaran mesin kuantum (Quantum Machine Learning) pada data semiconductor GaN HEMT, yang menawarkan performa lebih baik dibandingkan teknologi silikon biasa. Mereka mengembangkan metode bernama Quantum Kernel-Aligned Regressor yang mengubah data klasik menjadi data kuantum yang bisa diproses oleh komputer kuantum kecil berisi lima qubit, dan hasilnya kemudian dianalisis dengan algoritma klasik untuk mendapatkan parameter utama dalam fabrikasi. Metode ini terbukti memberikan hasil yang lebih baik dibandingkan beberapa algoritma klasik lain dan sudah diuji melalui pembuatan perangkat baru, yang menunjukkan optimasi performa nyata dari desain chip yang dihasilkan.