基于经典-量子混合深度学习的半导体缺陷检测
计算机视觉与模式识别
2023-04-25 v1
摘要
随着人工智能和自动驾驶技术的快速发展，对半导体的需求预计将大幅上升。然而，半导体制造的大规模扩张和新技术的开发将带来许多缺陷晶圆。如果这些缺陷晶圆未被正确检测，在这些缺陷晶圆上的无效半导体加工将对我们的环境造成额外影响，例如过量的二氧化碳排放和能耗。在本文中，我们利用量子计算的信息处理优势来推进缺陷学习缺陷审查（DLDR）。我们提出了一种用于近期量子处理器上深度学习的经典-量子混合算法。通过调谐在其上实现的参数，由我们的框架驱动的量子线路学习给定的 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，我们探索了具有不同表达能力和纠缠容量的参数化量子线路。这些结果可用于构建未来路线图，以开发用于半导体缺陷检测的基于线路的量子深度学习。
引用
@article{arxiv.2208.03514,
title = {Semiconductor Defect Detection by Hybrid Classical-Quantum Deep Learning},
author = {YuanFu Yang and Min Sun},
journal= {arXiv preprint arXiv:2208.03514},
year = {2023}
}