量子科技中心_量科网

自主材料科学正成为一种强大的工具，能够快速探索新型材料，其通过主动学习来驾驭广阔的组分相空间。该领域的关键在于利用尽可能少的数据实现新材料探索。基于高斯过程的主动学习方法能以有限训练数据有效测绘多维参数空间，因而成为自主材料科学的常用算法选择。该工作流程的核心在于应用核函数量化测量数据点间的相似性。 最新理论突破表明，量子核模型能以比经典模型更少的训练数据实现相当性能，这预示着量子核机器学习在自主材料发现中的应用潜力。本研究比较了量子核与经典核在材料科学相空间序列导航中的效用，具体针对Fe-Ga-Pd三元组分扩散库的X射线衍射图谱，分别计算了量子核与多种经典核。研究团队在IonQ公司Aria离子阱量子计算机硬件及对应的经典噪声模拟器上开展实验，实证验证了量子核模型可超越部分经典核模型的性能。 这些结果凸显了量子核机器学习方法加速材料发现的潜力，并表明复杂的X射线衍射数据可能成为展现量子核模型优势的候选领域。该工作为量子计算在材料科学中的应用提供了新的实验依据。