尽管成熟的量子计算应用仍遥遥无期,但种种成果正在为其添砖加瓦。
英特尔表示已经在硅基量子处理器的开发工作中取得两项进展,除了优化标准制造工艺之外,还开发出一种方法以测试整个300毫米晶圆上的各个器件质量。
这家位于圣克拉拉的芯片制造商,长期以来一直致力于研究量子计算机的自旋量子比特技术。这项技术能够利用与经典处理器芯片相同的半导体制造工艺实现批量生产。
在《自然》杂志上发表的一篇研究论文当中,这家芯片巨头列出了最新技术进展,旨在推动公司向最终目标继续迈出坚实有力的步伐——也就是为容错量子计算机提供支持,正如英特尔在过去几十年来为PC设备提供支持一样。
英特尔表示,这些进步是通过低温晶圆探针(又名冷冻探针)实现的——这是一个足以容纳整片硅晶圆以供测试的低温腔,于2022年10月首次对外展示。它能够通过“新型统计方式”对硅量子比特器件进行“表征”,据此对所生产器件的产量、均匀度及保真度进行迭代改进。
英特尔的冷冻探针。
全晶圆探测一直是半导体行业的通行测试标准,但之前需要将大多数量子器件冷却至极低温度,因此只能做到逐个测试。
而英特尔表示,自旋量子比特阵列仅可提供少数量子点,而在实际量子应用当中,物理量子比特的规模需要大幅增加。这就要求制造技术必须能够提供密度、体积和均匀度同当前包含数十亿晶体管的处理器芯片相当的自旋量子比特器件。
根据之前英特尔方面的解释,这是因为他们的量子点技术基于单电子晶体管。也就是将单个电子在晶体管栅极下方捕获,并通过所谓自旋量子特性来表示量子比特。
英特尔在《探测300毫米自旋量子比特晶圆上的单电子(Probing single electrons across 300mm spin qubit wafers)》论文中,详细介绍了该公司提出的一项优化型行业兼容工艺,能够在硅/锗(Si/SiGe)异质结构(基板)上制造自旋量子比特器件,外加一项可对完整300毫米半导体晶圆上的自旋量子比特器件进行批量数据收集的低温探测工艺。
英特尔指出,这里的“低温”是指整片晶圆必须被冷却至接近绝对零度以测量量子比特器件的特性。技术界直到不久之前才找到在如此极低温度下进行晶圆探测的方法。
英特尔研究人员在本文中测试的自旋量子比特器件,是在英特尔位于俄勒冈州的D-1研发制造工厂负责制造——这里也是芯片巨头CMOS逻辑制程的开发基地。器件主材则是在300毫米硅片上生长的硅/锗(Si/SiGe)衬底。
根据该论文,量子点栅极的图案化是通过极紫外(EUV)光刻一次完成的,这使得研究人员能够探索50纳米至100纳米的栅极间距。
为了实现更高产量,英特尔还将多项工业晶体管制程工艺组合起来。量子点由平面架构定义,其中用于受控积累的栅极被定义在一层当中,而栅电极通过高介电常数复合堆叠、又称“高k堆叠”实现与衬底隔离,同时相邻的栅极则通过“间隔”堆叠彼此隔离。
英特尔在论文中还详细介绍了改善器件变化与性能的一种关键方法,即减少其高k堆栈中的固定电荷,并优化门层架构。该公司宣称,可以通过限制沉积过程中间隔物工艺的温度来减少固定电荷,从而减少高k堆栈在较低温度下的结晶。
经过优化后,英特尔的研究人员对采用60纳米栅极间距离构建的12量子点(12QD)器件进行测量以表征其制造工艺。这些器件由十几个量子点的线性阵列组成,四个相对传感器点由中心屏蔽门彼此隔离。
从描述来看,这里使用的器件像是英特尔去年起交付给研究实验室以供实验的Tunnel Falls 12量子比特测试芯片。
量子点阵列可以充当各种自旋编码中的物理量子比特进行操作,包括单自旋量子比特或仅交换量子比特(在四量子比特阵列当中)。论文还提到,根据自旋量子比特编码,可以在器件中添加可选微磁体层,并由中心屏蔽门提供微波电场以控制具有电偶极子自旋共振的量子比特。
为了分析这项制造工艺的良品率,英特尔表示其测试了晶圆上的总计232个12QD器件,具体涵盖欧姆触点、栅极、量子点以及完整12QD器件的组件良品率。
芯片巨头同时提到,测试中使用的低温探针来自低温测试厂商Bluefors以及晶圆级测试公司AEM Afore,且与英特尔合作开发而成。这款探针能够在约两小时之内装载300毫米晶圆并将其冷却至1.0k的基础温度。
在测试过程中,首先使用晶圆台控制及机器视觉算法将单一器件同探针对齐。而后将晶片与探针接触,在室温条件下将其与电压源以及电流/电压检测器连接。
在论文列举的示例中,英特尔方面表示对大量栅极(超过1万个)进行了测试,发现其在晶圆上可以正常工作,因此宣称这证明了其栅极制造工艺的一致性。
测得的量子点良品率预计为99.8%,完整器件良品率(包含12个量子点的线性阵列与四个电荷传感器)据称为96%。
英特尔的这篇论文最后给出结论,认为凭借高器件良品率与冷冻探针测试相结合,该公司能够顺利研究自旋量子比特并对其做出改进,从而消除由稀释制冷机工作引发的良品率下降或由静电导致的故障。
论文作者们指出,“使用冷冻探针进行批量测试有助于持续推进工艺优化,在减少变异与无序状况的同时实现更先进的性能筛选,从而找到量子计算应用的前沿测试芯片。”
“总而言之,这些成果为当今自旋量子比特设备的规模和可靠性树立了新的标准,并为未来更大、更复杂的自旋量子比特阵列的实现铺平了道路。”
但这篇论文并未提及英特尔何时才能产出可用于制造可靠量子处理器的充足自旋量子比特硅片。不过这位芯片巨头此前曾经透露,真正具备应用影响力的大规模、高可靠性量子技术“要到2030年之后”才会出现。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。