$\varphi$-Adapt：一种面向二维量子材料发现的物理信息自适应学习方法
计算机视觉与模式识别
2025-07-08 v1 机器学习
摘要
表征量子薄片是量子硬件工程中的关键步骤，因为薄片质量直接影响量子比特性能。尽管已涌现出用于识别二维量子薄片的计算机视觉方法，但仍面临估计薄片厚度的显著挑战。这些挑战包括数据有限、泛化性差、对域迁移敏感以及缺乏物理可解释性。为此，我们引入一种首批 Physics-informed Adaptation Learning 方法以克服上述障碍。我们关注两个主要问题，即数据稀缺和泛化。首先，我们提出了新的合成数据生成框架，产生在各种材料和配置下多样化的量子薄片样本，减少了耗时的手动收集。其次，我们提出 -Adapt，一种物理信息自适应方法，桥接在合成数据上训练的模型与实际场景中部署模型之间的性能差距。实验结果表明，我们的方法在多个基准测试中实现了最优性能，超越现有方法。我们的所提方法推动了基于物理建模和域自适应的集成，也解决了在实际二维材料分析中利用合成数据的关键空白，为深度学习和材料科学社区提供了具有影响力的工具。
引用
@article{arxiv.2507.05184,
title = {$\varphi$-Adapt: A Physics-Informed Adaptation Learning Approach to 2D Quantum Material Discovery},
author = {Hoang-Quan Nguyen and Xuan Bac Nguyen and Sankalp Pandey and Tim Faltermeier and Nicholas Borys and Hugh Churchill and Khoa Luu},
journal= {arXiv preprint arXiv:2507.05184},
year = {2025}
}