面向掺杂纳米颗粒结构确定的量子主动学习——以4Al@Si$_{11}$为案例

主动学习(AL)已在化学和材料科学中广泛应用。在本工作中，我们提出一种量子主动学习(QAL)方法，用于自动确定掺杂纳米颗粒的结构，其中使用量子机器学习(QML)回归模型进行迭代，以指示新的结构被DFT或DFTB计算所选取，而这种新数据获取用于重新训练QML模型。QAL方法在Quantum Machine Learning Software/Agent for Material Design and Discovery(QMLMaterial)中实现，其目标是使用人工智能体(由QML回归算法定义)选择下一个被计算的掺杂构型，该构型更可能找到最佳结构。QAL采用具有保真量子核的量子高斯过程，以及投射量子核和不同量子电路。用于比较的是采用具有不同经典核的经典高斯过程进行的经典主动学习。所提出的QAL方法应用于掺杂Si$_{11}$中4个Al(4Al@Si$_{11}$)的结构确定，结果表明QAL方法能够找到最佳4Al@Si$_{11}$结构。本工作的目标是在噪声自由的量子计算框架下，提出QAL方法，用于自动确定掺杂纳米颗粒和材料缺陷的结构。