[论文解读] 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 11

一句话总结

本文提出一种基于D-Wave 2000Q量子退火的量子-经典混合算法，以加速复杂热功能超材料的自动化发现。通过将因子分解机与严格耦合波分析相结合，该方法对问题规模不敏感，优于经典方法，并实现了与大气热窗高度对齐的波长选择性辐射器设计。

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.

研究动机与目标

• 解决使用经典机器设计复杂超材料时面临的计算瓶颈。
• 探索量子退火在加速材料发现工作流中的可行性。
• 开发一种用于优化由SiO2、SiC和PMMA组成的多层超材料的量子-经典混合框架。
• 实现高性能、波长选择性辐射器，使其与大气热透明窗口相匹配。
• 展示量子退火在材料设计中相对于经典优化的可扩展性和效率优势。

提出的方法

• 该方法采用因子分解机来建模超材料中结构参数与光学响应之间的相互作用。
• 使用严格耦合波分析（RCWA）高精度计算所设计多层结构的电磁响应。
• 利用D-Wave 2000Q量子退火器求解识别最优层结构配置的组合优化问题。
• 量子-经典混合流程通过将量子退火得到的解反馈至RCWA评估循环，迭代优化候选设计方案。
• 通过测量不同问题规模下的实际计算时间，评估其相对于经典求解器的可扩展性和性能。
• 该算法被应用于优化在大气透明窗口（8–13 μm）内实现选择性热辐射的超材料。

实验结果

研究问题

• RQ1 与经典方法相比，量子退火是否能显著减少优化复杂超材料的计算时间？
• RQ2 该量子-经典混合算法在超材料设计中，随着问题规模增大，性能如何变化？
• RQ3 量子退火在多大程度上能改善超材料光谱响应与大气热透明窗口的匹配度？
• RQ4 因子分解机在实现材料优化的高效量子嵌入中起到什么作用？
• RQ5 该混合方法能否发现热辐射性能优于人类设计的替代结构？

主要发现

• 量子-经典混合算法表现出对问题规模的不敏感性，随着层数增加，实际计算时间几乎保持不变。
• 相比之下，经典方法的计算时间迅速增加，凸显了量子退火在可扩展性方面的关键优势。
• 优化后的超材料与大气热透明窗口（8–13 μm）的匹配度显著优于现有由人类设计的替代方案。
• 该方法成功设计出由SiO2、SiC和PMMA组成的复杂多层结构，具备定制化的光谱发射率分布。
• 结果表明，量子退火为材料发现提供了强大的计算能力，使原本经典方法难以处理的设计空间得以探索。
• 本研究建立了一个将量子退火集成到自动化材料发现工作流中的概念验证框架。