Bridging Quantum Computing Paradigms toward Semiconductor Yield: A Controlled CV-versus-DV Comparison on Wafer-Map Defect Classification

Sintesi Tecnica: Colmare i Paradigmi del Calcolo Quantistico verso la Resa dei Semiconduttori

Problematica

Man mano che i nodi di processo dei semiconduttori si avvicinano al regime del singolo nanometro, i pattern di difetti sulle mappe dei wafer (WM) diventano sempre più intricati. La classificazione automatica accurata di tali difetti è critica per l'analisi della causa radice e il miglioramento della resa, particolarmente per gli stack di memoria ad alta larghezza di banda (HBM), dove un singolo die difettoso può compromettere l'intero package. Sebbene il Machine Learning Quantistico (QML) offra un potenziale substrato alternativo per tali compiti, il campo manca di un confronto controllato tra i due paradigmi quantistici dominanti: i circuiti a Variabile Discreta (DV - qubit) e i circuiti a Variabile Continua (CV - qumodes). Gli studi precedenti spesso confondono le prestazioni della testa quantistica con la capacità della spina dorsale classica, lasciando poco chiara l'immissione specifica dell'architettura quantistica.

Metodologia

Gli autori propongono un protocollo di valutazione strettamente controllato utilizzando il dataset industriale WM-811K (oltre 811.000 mappe di wafer attraverso otto classi di difetti). Il nucleo del design sperimentale isola il circuito quantistico come l'unica variabile strutturale:

1. Spina Dorsale Condivisa: Tutti i modelli utilizzano una spina dorsale di reti neurali convoluzionali (CNN) identica (~4,28 milioni di parametri) per estrarre feature fino a un vettore di 512 dimensioni. Ciò assicura che qualsiasi differenza di prestazione sia attribuibile esclusivamente alla testa di classificazione a valle.
2. Teste Intercambiabili: Sono stati testati tre tipi di teste sullo stesso vettore di feature:
   • Baseline Classica: Un normale strato denso (dense layer).
   • Testa CV-QNN: Basata sul framework di Killoran et al. (2019a), utilizza porte Gaussiane e non Gaussiane (Squeezing, Beamsplitter, Rotazione, Displacement, Kerr) per simulare uno strato di rete neurale.
   • Testa DV-QNN: Un ansatz generico hardware-efficient con ri-caricamento dei dati (data re-uploading) tramite rotazioni parametrizzate ($R_Y, R_Z$) ed entangler CNOT.
3. Scaling e Simulazione: Le teste quantistiche sono state testate a tre dimensioni (3, 4 e 8 qumodes/qubit). I modelli CV hanno utilizzato un cutoff di Fock $d=2$ (eccetto una variante $d=3$). Le simulazioni sono state eseguite utilizzando PennyLane (Strawberry Fields per CV, state-vector per DV).
4. Validazione Hardware: I circuiti DV-QNN addestrati sono stati eseguiti sul processore IBM Eagle r3 (ibm_yonsei) per validare le prestazioni sotto le reali condizioni di rumore NISQ.
5. Test di Robustezza: È stato iniettato rumore di input (Gaussiano) per testare la sensibilità, e particolare attenzione è stata prestata alla distinzione tra le classi "Edge-Loc" e "Scratch", che richiede una discriminazione spaziale fine.

Contributi Chiave

1. Confronto Controllato tra Paradigmi: Lo studio fornisce il primo confronto isolato tra teste CV e DV su un dataset industriale di mappe di wafer, eliminando l'effetto di "mascheramento" delle dominanti spine dorsali classiche presenti nei lavori precedenti.
2. Dimostrazione della Superiorità CV: La testa CV ha costantemente superato la testa DV. Alla scala di 4 qumode/qubit, la CV ha raggiunto un'accuratezza del 79,7 ± 1,8% rispetto al 61,6 ± 1,4% della DV, un gap non sovrapponibile di 18 punti.
3. Risoluzione della Classe Spaziale: Il paradigma CV ha superato decisamente la DV nella classe spazialmente localizzata Edge-Loc (recall 0,66 contro ≤0,05 per la DV). La testa DV ha costantemente classificato erroneamente i difetti Edge-Loc come "Scratch", fallendo nel catturare le sottili distinzioni spaziali necessarie per una corretta diagnosi della causa radice.
4. Chiarimento Teorico: Gli autori chiariscono che, al cutoff di Fock utilizzato ($d=2$), il vantaggio della CV non deriva dallo spazio di Hilbert a dimensione infinita o da risorse non Gaussiane (poiché la porta Kerr agisce come una rotazione di fase Gaussiana a $d=2$). Invece, il vantaggio deriva dal design dello strato strutturato, analogo a una rete neurale e dalla codifica continua dello spazio delle fasi.
5. Insight su Hardware e Interfaccia:
   • Addestramentoability DV: L'addestramento riuscito dei circuiti DV ha richiesto un'interfaccia classico-quantistica deterministica (nessun dropout prima della codifica, normalizzazione per campione). La regolarizzazione stocastica standard ha causato il collasso dell'addestramento.
   • Profondità Hardware: I circuiti DV-QNN su hardware IBM hanno preservato l'accuratezza con profondità ridotte (fino a 12 porte a due qubit), ma sono degradati significativamente con circuiti più profondi (28 porte).

Risultati

• Accuratezza Complessiva: La baseline classica ha raggiunto l'85,0%. La testa CV si è avvicinata a questo valore (79,7%), mentre la testa DV si è attestata intorno al 60% indipendentemente dal numero di qubit (3, 4 o 8), indicando un tetto di capacità rappresentativa piuttosto che un fallimento dell'ottimizzazione.
• Dinamiche di Addestramento: L'accuratezza dell'addestramento DV è saturata a ~0,73 (loss ~1,0), mentre la CV ha raggiunto ~0,99 (loss ~0,14), confermando che il limite della DV è strutturale (incapacità di rappresentare i dati) piuttosto che un problema di barren plateau o di sotto-addestramento.
• Robustezza al Rumore: La testa CV ha mostrato un brusco "cliff" nelle prestazioni sotto rumore di input (crollando da 0,77 a 0,05 all'aumentare di $\sigma$ da 0,10 a 0,20). Al contrario, le teste DV più piccole sono degradate più gradualmente, ma partendo da una base molto più bassa. Nessun paradigma è stato uniformemente più robusto.
• Prestazioni Hardware: La DV-QNN su hardware IBM ha eguagliato i risultati della simulazione per circuiti poco profondi (3q, 4q), ma ha mostrato un calo di accuratezza di 7 punti alla profondità di 8 qubit, correlato all'aumento del numero di porte e del rumore.

Significato e Rivendicazioni

L'articolo sostiene che, per i compiti di classificazione di mappe di wafer industriali che richiedono una fine discriminazione spaziale, le architetture a Variabile Continua (CV) offrono un vantaggio pratico distinto rispetto alle architetture a Variabile Discreta (DV), anche a bassi cutoff di Fock dove le risorse non Gaussiane sono assenti.

La significatività risiede nell'identificazione delle proprietà strutturali che guidano questo vantaggio:

1. Design Strutturato: La corrispondenza esplicita della CV con una rete neurale classica (mappa affine + non linearità) fornisce un bias induttivo stabile che gli ansatz DV generici mancano.
2. Codifica Continua: La capacità della CV di mappare direttamente le ampiezze delle feature a valori continui nelle coordinate dello spazio delle fasi preserva i segnali spaziali fini (come la distinzione Edge-Loc vs Scratch) che la codifica angolare discreta tende ad appiattire.

Gli autori concludono che, sebbene nessuna testa quantistica superi attualmente lo stato dell'arte classico, l'ambiente controllato isola dove una testa quantistica strutturata fornisca già valore. Suggeriscono che, man mano che il rumore e la scala miglioreranno, il paradigma CV sarà meglio posizionato per fornire vantaggi pratici nei compiti di imaging industriale dove la continuità spaziale è critica per le decisioni. Lo studio evidenzia inoltre l'importanza critica del design dell'interfaccia classico-quantistica, in particolare per l'addestnabilità della DV.