Blog

Aug 07, 2023

Ricottura quantistica per l'equilibrio della microstruttura con long

Scientific Reports volume 13,

Rapporti scientifici volume 13, numero articolo: 6036 (2023) Citare questo articolo

438 accessi

2 citazioni

Dettagli sulle metriche

Dimostriamo l'uso e i vantaggi degli approcci di ricottura quantistica per la determinazione di microstrutture equilibrate in leghe a memoria di forma e altri materiali con interazione elastica a lungo raggio tra grani coerenti e le loro diverse varianti e fasi di martensite. Dopo un'illustrazione unidimensionale dell'approccio generale, che richiede di formulare l'energia del sistema in termini di un'Hamiltoniana di Ising, utilizziamo le interazioni elastiche dipendenti a distanza tra i grani per prevedere la selezione delle varianti per diversi autoveicoli di trasformazione. I risultati e le prestazioni dei calcoli vengono confrontati con gli algoritmi classici, dimostrando che il nuovo approccio può portare ad una significativa accelerazione delle simulazioni. Oltre alla discretizzazione utilizzando semplici elementi cubici, è possibile anche una rappresentazione diretta di microstrutture arbitrarie, consentendo simulazioni veloci con attualmente fino a diverse migliaia di grani.

La modellazione delle microstrutture è un approccio importante per la comprensione, il miglioramento e lo sviluppo di nuovi materiali per varie applicazioni. Tuttavia, poiché i meccanismi su diverse scale temporali e di durata sono intimamente collegati, tali descrizioni e implementazioni di modelli sono generalmente impegnative e richiedono enormi risorse computazionali. Sebbene gli approcci di simulazione del campo di fase – il metodo più importante per prevedere l’evoluzione della microstruttura – traggano grande vantaggio da sviluppi come il limite dell’interfaccia sottile1,2, modelli di campo di fase non diagonale3,4 e approcci di campo di fase taglienti5, simulazioni contenenti grandi domini microstrutturali per ottenere previsioni con un certo la significatività statistica è rara, fortemente limitata dalle risorse (super)computer disponibili e dai costi e dal consumo energetico associati. Nonostante gli enormi progressi in questo campo di ricerca e l'uso esteso di computer paralleli e schede grafiche per le simulazioni, le limitazioni delle tecniche computazionali rimangono un serio ostacolo al progresso scientifico di base e alla ricerca applicata.

Una delle domande più sorprendenti che si pone all’orizzonte della modellazione della scienza dei materiali è come l’informatica quantistica cambierà potenzialmente il panorama della simulazione in futuro. Tuttavia, al momento non è ancora disponibile un computer quantistico universale e di dimensioni sufficienti. Nel frattempo è emersa una tecnologia nota come ricottura quantistica (QA)6,7,8,9,10 ed è disponibile su diversi siti in tutto il mondo. L'uso di tali macchine differisce in modo significativo dai tradizionali computer basati su gate e pertanto attualmente solo problemi specifici possono essere gestiti dai ricottori quantistici11. Il concetto di ricottura quantistica è che i suoi qubit sono inizializzati in uno stato ben definito che è descritto da un hamiltoniano con uno stato fondamentale unico12. Durante il funzionamento a temperature criogeniche, questa hamiltoniana viene modificata adiabaticamente in modo tale che lo stato fondamentale si converta in quello dell'Hamiltoniana finale desiderata12,13, e quindi consente di eseguire in modo efficiente calcoli di minimizzazione dell'energia globale. La struttura di queste hamiltoniane è un modello quadratico binario, che può essere espresso in termini di ottimizzazione binaria quadratica non vincolata o equivalentemente attraverso un modello di Ising11. A causa di questa struttura specifica, finora, le applicazioni di questa tecnologia legate alla scienza dei materiali sono ancora rare. Invece, la ricerca attuale si concentra principalmente sul benchmarking e sui test prestazionali della ricottura quantistica rispetto agli approcci classici14,15,16.

Recentemente sono state sviluppate alcune prime applicazioni nel campo della biologia e della ricerca sul traffico nel senso di problemi di ottimizzazione. In questo caso, la ricottura quantistica consente l'analisi efficiente dei fattori di trascrizione nell'espressione genica con algoritmi combinati di apprendimento automatico17, l'identificazione di conformazioni di modelli di proteine ​​reticolari18 e il loro ripiegamento19, il rilevamento della copertura arborea in immagini aeree20, problemi di ottimizzazione del flusso di traffico nel mondo reale21 o il controllo automatizzato di veicoli guidati22. Tuttavia, l’uso della ricottura quantistica nella scienza dei materiali non è diffuso e poche pubblicazioni corrispondono alle transizioni di fase nel modello di Ising del campo trasversale23, allo studio dei fenomeni critici nei magneti frustrati tramite il modello di Ising di Shastry-Sutherland24, al campionamento Monte-Carlo25 e al metodo automatizzato progettazione dei materiali dei metamateriali26. Lo scopo del presente articolo è quindi quello di dimostrare che questa nuova tecnologia può effettivamente portare a possibilità completamente nuove oltre le descrizioni esistenti e comunemente utilizzate per la modellazione di microstrutture.