블로그

Aug 07, 2023

긴 미세구조 평형을 위한 양자 어닐링

과학 보고서 13권,

Scientific Reports 13권, 기사 번호: 6036(2023) 이 기사 인용

438 액세스

2 인용

측정항목 세부정보

우리는 응집성 입자와 다양한 마르텐사이트 변형 및 상 사이의 장거리 탄성 상호 작용을 통해 형상 기억 합금 및 기타 재료의 평형 미세 구조를 결정하기 위한 양자 어닐링 접근법의 사용 및 이점을 보여줍니다. Ising Hamiltonian의 관점에서 시스템의 에너지를 공식화하는 데 필요한 일반적인 접근 방식을 1차원적으로 설명한 후, 우리는 입자 간의 거리 의존 탄성 상호 작용을 사용하여 다양한 변환 고유 변형에 대한 변형 선택을 예측합니다. 계산 결과와 성능을 기존 알고리즘과 비교하여 새로운 접근 방식이 시뮬레이션을 크게 가속화할 수 있음을 보여줍니다. 단순한 직육면체 요소를 사용한 이산화를 넘어 임의의 미세 구조를 직접적으로 표현하는 것도 가능하므로 현재 최대 수천 개의 입자에 대한 빠른 시뮬레이션이 가능합니다.

미세 구조 모델링은 다양한 응용 분야를 위한 신소재의 이해, 개선 및 개발에 대한 중요한 접근 방식입니다. 그러나 다양한 길이와 시간 규모의 메커니즘이 밀접하게 연결되어 있기 때문에 이러한 설명과 모델 구현은 일반적으로 어렵고 막대한 계산 리소스가 필요합니다. 미세 구조 진화를 예측하는 가장 눈에 띄는 방법인 위상 필드 시뮬레이션 접근 방식은 얇은 인터페이스 한계1,2, 비대각선 위상 필드 모델3,4 및 날카로운 위상 필드 접근 방식5과 같은 개발의 이점을 크게 활용하지만, 큰 미세 구조 영역을 포함하는 시뮬레이션은 특정 통계적 유의성은 거의 없으며 사용 가능한 (슈퍼)컴퓨터 리소스와 관련 비용 및 에너지 소비에 의해 크게 제한됩니다. 이 연구 분야의 엄청난 발전과 시뮬레이션을 위한 병렬 컴퓨터 및 그래픽 카드의 사용 확대에도 불구하고, 계산 기술의 한계는 기초 과학 발전과 응용 연구에 심각한 문제로 남아 있습니다.

재료 과학 모델링의 지평에서 제기되는 놀라운 질문 중 하나는 양자 컴퓨팅이 미래에 시뮬레이션 환경을 어떻게 잠재적으로 변화시킬 것인가입니다. 그러나 현재로서는 충분한 크기의 범용 양자 컴퓨터를 사용할 수 없습니다. 그 동안 양자 어닐링(QA)6,7,8,9,10이라는 기술이 등장하여 전 세계 여러 사이트에서 사용할 수 있습니다. 이러한 기계의 사용은 기존 게이트 기반 컴퓨터와 크게 다르므로 현재 양자 어닐러는 특정 문제만 처리할 수 있습니다. 양자 어닐러의 개념은 큐비트가 고유한 바닥 상태를 가진 해밀턴에 의해 설명되는 잘 정의된 상태에서 초기화된다는 것입니다. 극저온에서 작동하는 동안 이 해밀턴은 단열적으로 변경되어 바닥 상태가 원하는 최종 해밀턴 중 하나로 변환되므로 전역 에너지 최소화 계산을 효율적으로 수행할 수 있습니다. 이러한 해밀턴의 구조는 이차 비제약 이진 최적화 또는 동등하게 Ising 모델을 통해 표현될 수 있는 이진 이차 모델입니다. 이러한 특정 구조로 인해 지금까지 이 기술의 재료과학 관련 응용은 여전히 ​​드물다. 대신 실제 연구는 주로 고전적 접근 방식과 비교하여 양자 어닐링의 벤치마킹 및 성능 테스트에 중점을 둡니다.

최적화 문제라는 의미에서 생물학 및 교통 연구 분야의 일부 첫 번째 응용 프로그램이 최근 개발되었습니다. 여기서 양자 어닐링은 결합된 기계 학습 알고리즘17, 격자 단백질 모델의 구조 식별18 및 접힘19, 항공 이미지에서 나무 덮개 감지20, 실제 교통 흐름 최적화 문제21 또는 자동화된 제어를 통해 유전자 발현의 전사 인자를 효율적으로 분석할 수 있습니다. 유도차량22. 그러나 재료 과학에서 양자 어닐링의 사용은 널리 퍼져 있지 않으며 횡단 필드 Ising 모델의 상전이에 해당하는 간행물은 거의 없습니다. Shastry-Sutherland Ising 모델을 통해 좌절된 자석의 중요한 현상에 대한 조사, Monte-Carlo 샘플링 및 자동화된 메타물질의 재료 설계26. 따라서 본 논문의 목적은 이 새로운 기술이 실제로 미세 구조 모델링에 대해 기존 및 일반적으로 사용되는 설명을 넘어서 완전히 새로운 가능성을 가져올 수 있음을 입증하는 것입니다.