量子科技中心_量科网

随着硬件和算法的发展，量子计算在解决现实问题方面已日趋实用。该论文旨在针对若干实际材料科学任务——预测堆垛层错能以及可韧化镁的溶质元素——设计并评估量子机器学习与混合量子-经典模型。为此，研究人员采用两种具有代表性的量子算法（量子支持向量机QSVM与量子神经网络QNN），并将其适配至研究场景中。该团队系统测试了所选拟设结构超参数对性能的影响，发现若干超参数组合可使QSVM和混合QNN在两项任务中均获得约90%的验证分数。最终，该工作构建了具有优化参数的量子回归与分类模型，依据化学元素的原子体积、电负性及体积模量等特征实现了目标溶质元素的预测。