复旦大学用AI破解量子隧穿难题，为集成电路发展开辟新路径

复旦大学用AI破解量子隧穿难题，为集成电路发展开辟新路径

引用

CSDN

等

6

来源

1.

https://blog.csdn.net/w1hsxn/article/details/125787030

2.

https://new.qq.com/rain/a/20241015A03MVI00

3.

https://www.huxiu.com/article/4011332.html

4.

https://www.quantumchina.com/newsinfo/3008229.html?templateId=520429

5.

https://cv.fudan.edu.cn/

6.

https://news.fudan.edu.cn/2025/0107/c4a143936/page.htm

复旦大学研究团队近日宣布，他们通过机器学习技术成功破解了量子隧穿这一长期困扰半导体行业的难题，为下一代集成电路的发展开辟了新路径。

在半导体领域，随着晶体管尺寸不断缩小，量子隧穿效应成为制约性能提升的关键瓶颈。复旦大学研究团队开发了一种基于机器学习的全局搜索方法，对数千个候选接口进行分析，最终发现了两个具有高米勒指数的Si（210）和（211）界面。这两个界面的周期性仅为1纳米，同时具备良好的载流子迁移率、低载流子俘获和低界面能特性。

这一发现的重要性在于，它为制造用于下一代晶体管的阶梯式硅表面提供了理论基础。研究团队通过机器学习算法，不仅加速了新材料的筛选过程，还确保了所发现材料的稳定性，这对于实际应用至关重要。

随着摩尔定律的推进，集成电路的特征尺寸已经接近物理极限。当栅极氧化层厚度降至1纳米以下时，量子隧穿效应会导致漏电流显著增加，这不仅消耗额外的功率，还会降低器件的可靠性。因此，如何在减小尺寸的同时抑制量子隧穿，成为半导体行业亟待解决的难题。

复旦大学的研究正是针对这一挑战提出的创新解决方案。通过机器学习算法的全局搜索能力，研究团队能够从庞大的候选材料库中快速筛选出最优解，这在传统实验方法中是难以实现的。

这项突破性研究由复旦大学计算机学院陈雁秋教授领衔。陈雁秋教授拥有英国南安普顿大学电子与计算机科学博士学位，长期从事人工智能领域的研究工作。团队成员包括吴浩、夏王洋等多位在人工智能和半导体领域具有丰富经验的研究人员。

研究团队的跨学科背景是取得这一突破的关键因素。他们将人工智能领域的最新成果与半导体物理紧密结合，通过算法创新解决了实际工程问题。

这一研究成果有望为半导体行业带来深远影响。随着量子隧穿问题得到解决，工程师们将能够设计出更小、更快、更节能的晶体管，从而延续摩尔定律的生命力。这对于推动人工智能、物联网、高性能计算等领域的发展具有重要意义。

复旦大学研究团队的这一突破，不仅展示了人工智能在新材料发现中的巨大潜力，更为半导体行业的持续发展注入了新的动力。随着相关技术的进一步成熟，我们有理由期待，更先进的集成电路将在不久的将来成为现实。