[论文解读] Quantum computing for corrosion-resistant materials and anti-corrosive coatings design

Nam P. Nguyen, Thomas W. Watts+15 more|arXiv (Cornell University)|Jun 26, 2024

Electron and X-Ray Spectroscopy Techniques被引用 4

一句话总结

本文提出利用量子计算加速腐蚀抗性材料及防腐涂层的设计，通过模拟镁合金和高铌含量难熔合金中的复杂量子力学相互作用。利用 pyLIQTR 软件实现的量子比特化量子相位估计算法（QPE），估算出工业相关模拟需要 10^13 至 10^19 个 T-门以及数千至数十万逻辑量子比特，凸显了当前硬件的差距，并强调了改进量子算法的必要性。

ABSTRACT

Corrosion is a pervasive issue that impacts the structural integrity and performance of materials across various industries, imposing a significant economic impact globally. In fields like aerospace and defense, developing corrosion-resistant materials is critical, but progress is often hindered by the complexities of material-environment interactions. While computational methods have advanced in designing corrosion inhibitors and corrosion-resistant materials, they fall short in understanding the fundamental corrosion mechanisms due to the highly correlated nature of the systems involved. This paper explores the potential of leveraging quantum computing to accelerate the design of corrosion inhibitors and corrosion-resistant materials, with a particular focus on magnesium and niobium alloys. We investigate the quantum computing resources required for high-fidelity electronic ground-state energy estimation (GSEE), which will be used in our hybrid classical-quantum workflow. Representative computational models for magnesium and niobium alloys show that 2292 to 38598 logical qubits and $(1.04$ to $1962) imes 10^{13}$ T-gates are required for simulating the ground-state energy of these systems under the first quantization encoding using plane waves basis.

研究动机与目标

• 评估利用量子计算模拟工程材料中复杂腐蚀过程的可行性。
• 估算模拟抗腐蚀材料（包括富含 Mg 的牺牲涂层和富含 Nb 的难熔合金）所需的量子资源。
• 比较经典与量子计算在材料建模中的工作负载，识别量子优势可能出现的位置。
• 评估在实际能量截断条件下，量子算法在工业相关系统中的可扩展性与资源需求。
• 通过识别逻辑量子比特和门数需求中的瓶颈，为未来量子算法开发提供指导。

提出的方法

• 本研究采用量子比特化量子相位估计算法（QPE）作为核心量子计算方法，用于模拟腐蚀相关材料中的电子结构。
• 资源估算基于定制软件包 pyLIQTR 生成，该软件包模拟了不同系统尺寸和能量截断下的逻辑量子比特与 T-门需求。
• 分析包括对全计算在高能量截断下不可行的系统的显式模拟与外推，使用公式（45）进行外推。
• 研究了两类材料：基于 Mg 的体系（单层、团簇及第二相结构）和含间隙氧的高 Nb 含量难熔合金。
• 通过逐步增加基函数数量（直接关联于能量截断 E_cut）进行模拟，以评估缩放行为。
• 利用二聚体模型验证外推的可靠性，将外推结果与高 E_cut 值下的实际 pyLIQTR 结果进行比较。

Figure 1 : (Left) 1000 Water Model of Mg Grain Boundary with Mg-Al secondary phase. The golden spheres represent Mg atoms, red oxygen, white hydrogen, and light blue aluminum. (Right) Visualization of a simulation cell of a Nb alloy, Nb 97 Zr 3 Ta 22 W 6 O, with interstitial oxygen. These two geomet

实验结果

研究问题

• RQ1 为在高精度下模拟富含 Mg 的牺牲涂层中的腐蚀过程，需要多少量子资源（逻辑量子比特与 T-门）？
• RQ2 对于基于 Mg 和 Nb 的合金模型，资源估算如何随系统尺寸和能量截断而变化？
• RQ3 像 QPE 这类量子算法能否在预测高温难熔合金抗腐蚀性方面为经典方法提供实际优势？
• RQ4 能否从低能量截断模拟可靠外推至高精度区域的资源估算？
• RQ5 在当前量子算法下，工业相关腐蚀建模所需的逻辑量子比特与 T-门数的上限是多少？

主要发现

• 在高精度下（E_cut = 30–40 Ry）模拟富含 Mg 的牺牲涂层，基于外推估算，最多需要 10^19 个 T-门和 10^5 个逻辑量子比特。
• 对于富含 Nb 的难熔合金，显式资源估算显示 T-门数在 10^13 至 10^15 范围内，需 10^4 至 10^5 个逻辑量子比特。
• 使用公式（45）对基于 Mg 的体系进行资源估算外推，经与实际 pyLIQTR 结果对比，验证了在高 E_cut 值下的可靠性。
• 单层 Mg 模型（257 个 Mg 原子）在 E_cut = 30 Ry 时约需 10^14 个 T-门，而超胞模型在相同阈值下 T-门数超过 10^18 个。
• 四单元 Mg17Al12 结构在 E_cut = 40 Ry 时需超过 10^17 个 T-门和超过 10^5 个逻辑量子比特，表明资源需求极高。
• 本研究确立了当前量子硬件尚不足以支持工业规模的腐蚀建模，迫切需要算法改进与误差缓解策略。

Figure 2 : Quantum resource estimate summary for selected computational models defined in A and B of the Supplementary Information.