2026年10月15日・1分で読めます
量子ソフトウェア企業であるTerra Quantumと、自動車・産業サプライヤーであるSchaeffler Technologies AG & Co. KGは、産業用材料シミュレーションのための原子間ポテンシャルモデルへのハイブリッド量子古典機械学習の統合を詳述した査読付き研究を、Computational Materials Scienceに発表しました。
この研究では、密度汎関数理論（DFT）に迫る精度レベルで原子のエネルギーと力を予測しつつ、計算オーバーヘッドを大幅に削減するように設計されたE(3)等変グラフニューラルネットワークであるAllegro機械学習原子間ポテンシャル（MLIP）モデルへの構造的変更を評価しています。研究チームは、2つの修正Allegroバリアント（古典的な多層パーセプトロン（MLP）拡張と、Quantum Depth-Infused（QDI）変分量子回路層を組み込んだ量子古典ハイブリッドモデル）を構築し、ベンチマークしました。
| [ MLIPモデルバリアント間のベンチマーク比較 ] | |||
|---|---|---|---|
| データセットと対象システム | Allegroベースライン（力のMAE） | Allegro+MLP古典（力のMAE） | Allegro+QDIハイブリッド（力のMAE） |
| • 銅-リチウム（Cu-Li、11,635構造） | • 45.9 meV/Å | • 43.3 meV/Å | • 37.8 meV/Å（約13%の誤差削減） |
| • rMD17-アスピリン（有機分子） | • 10.2 meV/Å | • 9.0 meV/Å | • 9.9 meV/Å（転送されたハイパーパラメータ） |
| • rMD17-ベンゼン（有機分子） | • 0.43 meV/Å | • 0.28 meV/Å | • 0.30 meV/Å（転送されたハイパーパラメータ） |
| • 最適化目的 | • 単一目的ベースライン | • 多目的パレート（MAE対推論） | • QDI層データ再アップロード戦略 |
精度と推論時間の目的にわたるハイパーパラメータ調整は、多目的最適化実装（SAMO-COBRA）を使用して実行されました。電池アノード研究に関連する11,635個のDFT計算による界面、スラブ、および溶融急冷構造を含む、自作の独自銅-リチウムデータセットでは、ハイブリッド量子古典バリアントが最高の力予測精度を達成し、古典的なMLP相当品を約13%上回りました。
さらに、公開有機ベンチマーク（rMD17アスピリンとベンゼン）でテストした場合、ハイブリッドモデルは、データセット固有の再調整なしにCu-Liシステムから直接転送されたQDIハイパーパラメータを使用しても、競争力のある精度を維持しました。
Computational Materials Scienceの完全なオープンアクセスジャーナル記事はこちらで、Terra Quantumポータルでの発表はこちらでご覧いただけます。
GQIポータルにて
QCRを執筆するチームは、GQIの検証済み量子産業データベースであるGQI Factory内のすべての企業、取引、技術を追跡しています。次は、すべての記事を関連プレイヤーにリンクし、QCRの有料プランで提供予定です。
