A Hybrid Quantum Neural Network to Analyse Big Experimental Powder X-ray Diffraction Data
本文介绍了一种混合量子神经网络框架，该框架能够成功地从大规模实验粉末 X 射线衍射数据集中提取定量相位参数，且无需迭代精修，并通过在 IBM 量子计算机上准确重建复杂固体氧化物燃料电池和锂离子电池材料的空间相位图，展示了其在实际应用中的效用。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在材料科学领域，了解某种物质是由什么组成的以及其各部分是如何排列的，通常涉及到用强力的 X 射线束照射它。当这些射线撞击晶体固体时，它们会以特定的模式散射，产生独特的“指纹”，从而揭示材料的内部结构。几十年来，科学家一直利用这些指纹来分析从新药到先进电池的一切事物。然而，现代研究设施现在能够以惊人的速度生成这些模式，在单次实验中产生数十万张图像。这种数据的洪流造成了瓶颈；传统的计算机难以足够快地处理如此庞大的数据量以跟上发现的步伐，迫使研究人员不得不等待或手动筛选那些本应实时进行分析的信息。
为了应对这一日益增长的挑战，一个研究小组采取了一个大胆的步骤，测试了一种新型计算机处理器——这种处理器基于量子力学原理而非日常机器的标准二进制逻辑运行。他们不仅仅是在普通的计算机上模拟这个过程，而是实际在位于英国的一处研究设施内的物理量子计算机上运行了他们的分析。他们的目标是观察这项新兴技术是否能够解码来自现实世界能源设备的复杂 X 射线模式，特别是固体氧化物燃料电池和锂离子电池，并确定其中每种材料的精确含量。结果表明，尽管目前的量子硬件仍处于早期阶段，但它已经能够处理真实的实验数据，成功地绘制出这些设备的内部组成图，其准确度与成熟的传统方法相匹配。
研究人员专注于两种特定的能源技术：一种是微型单体固体氧化物燃料电池（一种清洁能源发生器），另一种是商用针式锂离子电池（许多便携式电子设备中所使用的类型）。这两种设备都是由多层不同固体材料组成的复杂混合物。为了了解它们的工作原理或退化情况，科学家需要准确知道每种材料的位置及其比例。传统上，这需要一个被称为“迭代精修”的艰苦过程，即计算机不断调整模型直到其符合 X 射线数据。这种方法虽然准确，但速度缓慢，尤其是当应用于单次扫描燃料电池或电池所收集到的数万个数据点时。
该团队开发了一种结合了小型量子处理器与标准经典计算机的新方法。他们设计了一个系统，其中量子部分充当专门的特征提取器。想象一下，X 射线模式是一份冗长且复杂的数字列表。量子处理器获取这份列表，并将其压缩成一组更小的数字，而这组数字仍然保留了关于材料结构的核心信息。随后，这些压缩后的信息被传递给标准的计算机程序，由它快速将其转化为显示材料重量和分布的地图。为了让这一过程在真实且不完美的量子硬件上运行，研究人员首先在包含人工噪声（模拟物理量子机器中产生的误差）的大规模模拟数据库上训练了该系统。一旦系统在模拟中学会了如何处理这些噪声，他们便将其迁移到实际的量子计算机上以分析真实的实验数据。
实验涉及分析燃料电池的约 10,000 个 X 射线模式和电池的约 18,000 个模式。研究人员将这些模式输入一台 IBM 量子计算机，该计算机在几分钟内完成了处理。输出结果是一张详细的空间图，展示了设备内不同相（phases）的分布情况。对于燃料电池，该系统成功区分了阳极、电解质和阴极层，清晰地识别出了多孔支撑结构和薄薄的活性材料层。对于电池，它绘制出了“卷轴式”（jelly-roll）设计的螺旋结构，分离出了钴酸锂正极、石墨负极以及收集电流的薄金属箔。
当团队将量子系统生成的图谱与通过传统“金标准”分析方法生成的图谱进行对比时，结果非常相似。量子方法正确识别了不同材料之间的边界，并准确测量了各组件的相对含量。在燃料电池中，除了信号自然较弱的极尖锐边缘处存在轻微差异外，材料主体部分的误差率极低。在电池中，该系统成功分离了四个不同的相，包括金属和碳基材料，并保持了高度的精确度。该系统还成功恢复了比例因子（scale factors），这表明了衍射信号的强度，使其能够解释不同材料散射 X 射线强度的巨大差异。
这项工作并不声称目前的量子计算机在处理此类特定任务时比最好的经典超级计算机更快或更准确。事实上，研究人员指出，量子硬件仍受限于物理限制和噪声。相反，这项研究是一项概念验证，证明了物理量子处理器可以被整合到现实世界的科学工作流中，以处理大规模、复杂的数据集。通过展示混合系统可以在无需丢弃信息或完全依赖模拟的情况下，成功地从真实实验数据中提取定量参数，该团队为未来的应用奠定了基础。随着量子硬件在更稳定的连接和更好的纠错能力方面不断进步，这种方法最终将使科学家能够实时分析海量数据流，从而开启理解驱动我们世界的材料之新可能。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。