[論文レビュー] Expanding the horizon of automated metamaterials discovery via quantum annealing

Koki Kitai, Jiang Guo+5 more|arXiv (Cornell University)|Feb 18, 2019

Neural Networks and Reservoir Computing参考文献 87被引用数 11

ひとこと要約

本稿では、D-Wave 2000Qの量子アニーリングを活用した量子古典ハイブリッドアルゴリズムを提案し、複雑な熱機能メタマテリアルの自動発見を加速する。要因分解マシンと厳密なカップルドウェーブ解析（RCWA）を統合することで、問題サイズに依存しない性能を達成し、古典的手法を上回り、大気の熱放射透過窓に高い整合性を持つ波長選択的放射体の設計を可能にする。

ABSTRACT

Complexity of materials designed by machine learning is currently limited by the inefficiency of classical computers. We show how quantum annealing can be incorporated into automated materials discovery and conduct a proof-of-principle study on designing complex thermofunctional metamaterials consisting of SiO2, SiC, and Poly(methyl methacrylate). Empirical computing time of our quantum-classical hybrid algorithm involving a factorization machine, a rigorous coupled wave analysis, and a D-Wave 2000Q quantum annealer was insensitive to the problem size, while a classical counterpart experienced rapid increase. Our method was used to design complex structures of wavelength selective radiators showing much better concordance with the thermal atmospheric transparency window in comparison to existing human-designed alternatives. Our result shows that quantum annealing provides scientists gigantic computational power that may change how materials are designed.

研究の動機と目的

• 古典的マシンを用いた複雑なメタマテリアル設計における計算ボトルネックを克服すること。
• 量子アニーリングが材料発見ワークフローの高速化に有効であるかを検証すること。
• SiO2、SiC、PMMAで構成される多層メタマテリアルの最適化を目的としたハイブリッド量子古典フレームワークを開発すること。
• 大気の熱放射透過窓に一致する高機能で波長選択的な放射体を実現すること。
• 量子アニーリングが古典的最適化手法に比べて、材料設計におけるスケーラビリティと効率性に与える利点を実証すること。

提案手法

• 要因分解マシンを用いて、メタマテリアルの構造的パラメータと光学的応答の間の相互作用をモデル化する。
• 厳密なカップルドウェーブ解析（RCWA）を用いて、高精度に設計された多層構造の電磁気的応答を計算する。
• D-Wave 2000Qの量子アニーラーを用いて、最適な層構成を特定する組み合わせ最適化問題を解く。
• 量子古典ハイブリッドパイプラインは、量子アニーリングで得られた解をRCWA評価ループにフィードバックすることで、候補設計を繰り返し精錬する。
• 問題サイズを変化させた際の実測計算時間を測定し、古典的ソルバーとの比較によるスケーラビリティと性能を評価する。
• アルゴリズムは、大気の透過窓（8–13 μm）における選択的熱放射を最適化するメタマテリアルに適用される。

実験結果

リサーチクエスチョン

• RQ1 量子アニーリングは、古典的手法に比べて、複雑なメタマテリアルの最適化における計算時間を顕著に短縮できるか？
• RQ2 メタマテリアル設計における問題サイズの増加に伴い、量子古典ハイブリッドアルゴリズムの性能はどのようにスケーリングするか？
• RQ3 量子アニーリングは、メタマテリアルのスペクトル一致度を、大気の熱放射透過窓にどの程度向上できるか？
• RQ4 要因分解マシンは、材料最適化における効率的な量子埋め込みを実現するために果たす役割は何か？
• RQ5 ハイブリッド手法は、人間が設計した代替案よりも優れた熱放射性能を示す構造を発見できるか？

主な発見

• 量子古典ハイブリッドアルゴリズムは、層数の増加に伴って計算時間の変化がほとんどないことから、問題サイズに対して不感であることが実証された。
• これに対して、古典的対応手法は計算時間の急激な増加を示し、量子アニーリングのスケーラビリティにおける顕著な優位性が浮き彫りになった。
• 最適化されたメタマテリアルは、既存の人工設計された代替案よりも、大気の熱放射透過窓（8–13 μm）との一致度が著しく優れていた。
• 本手法は、SiO2、SiC、PMMAで構成される複雑な多層構造を、所望のスペクトル放射率プロファイルに合わせて設計に成功した。
• 結果から、量子アニーリングが材料発見に顕著な計算パワーを提供することが示され、従来の古典的手法では到達できなかった設計空間の探索が可能になった。
• 本研究は、量子アニーリングを自動化された材料発見パイプラインに統合するための概念実証フレームワークを確立した。