Hybrid Classical-Quantum Neural Networks for Multi-Characteristic Co-Optimization of Recessed-Gate AlGaN/GaN MIS-HEMTs
Questo articolo propone una rete neurale ibrida classico-quantistica (HQNN) che supera significativamente i modelli di riferimento classici nell'ottimizzazione di sei caratteristiche elettriche di MIS-HEMT in AlGaN/GaN con gate incassato, sfruttando dati sperimentali, e dimostra al contempo che la profondità del circuito, il numero di parametri e strategie specifiche di entanglement sono fondamentali per l'accuratezza e la fattibilità su hardware a breve termine.