聚合物合金微结构相分类的量子极端储备计算
量子物理
2026-01-26 v2 材料科学
摘要
量子机器学习 (QML) 有望通过利用量子系统的指数级状态空间，高效处理高维数据。在本工作中，我们将量子极端储备计算 (QERC) 应用于使用自洽场理论 (SCFT) 生成的聚合物合金微结构图像的分类。虽然以往的 QML 工作主要聚焦于 MNIST 等基准数据集，但我们的工作表明 QERC 可用于具有直接材料相关性的工程数据。通过数值实验，我们检讨了关键计算参数——包括量子位数、抽样成本（测量 shots 数量）和储备配置——对分类性能的影响。所得结果的相分类以相图形式呈现，说明聚合物形貌中的相变，建立了量子模型输出与材料行为之间的可理解联系。这一结果说明了 QERC 在真实材料数据集上的表现，并为量子编码器设计和模型泛化提供了实用指南。本工作为将量子学习技术集成到材料信息学领域奠定了基础。
引用
@article{arxiv.2601.02150,
title = {Quantum Extreme Reservoir Computing for Phase Classification of Polymer Alloy Microstructures},
author = {Arisa Ikeda and Akitada Sakurai and Kae Nemoto and Mayu Muramatsu},
journal= {arXiv preprint arXiv:2601.02150},
year = {2026}
}
备注
10 pages, 6 figures