Hybrid Classical-Quantum Neural Networks for Multi-Characteristic Co-Optimization of Recessed-Gate AlGaN/GaN MIS-HEMTs
Dit artikel stelt een hybride klassiek-kwantum neurale netwerk (HQNN) voor dat klassieke basismodellen aanzienlijk overtreft bij het optimaliseren van zes elektrische kenmerken van recessed-gate AlGaN/GaN MIS-HEMTs door gebruik te maken van experimentele data, terwijl het aantoont dat circuits diepte, het aantal parameters en specifieke verstrengelingsstrategieën cruciaal zijn voor nauwkeurigheid en haalbaarheid op korte termijn hardware.
Rushat Rai, Pei-Jie Chang, Doan Viet Nguyen, Yuan-Chieh Chiu, Niall Tumilty, Yun-Yuan Wang, Simon See, Wen-Jay Lee, Tai-Yue Li, Nan-Yow Chen, Tian-Li Wu2026-05-28🔬 physics.app-ph