For nylig udviklede et fælles forskerteam et nyt kvanteklassisk computerskema til design af fotokromiske materialer-lysfølsomme forbindelser-hvilket gav et kraftfuldt værktøj til at fremskynde opdagelsen af nye materialer. Denne forskning blev offentliggjort 20. december 2024 i Intelligent computing I en artikel med titlen “En kvanteklassisk metode, der anvendes til materialedesign: fotokromisk materialeoptimering til fotofarmakologiske applikationer.”
Den nye tilgang er bygget på holdets tidligere arbejde, der blev offentliggjort i den samme tidsskrift, og centrerer sig omkring en variation i variation af beregningsbasis.
Forskningsteamet viste sig at deres tilgang var effektiv gennem en casestudie inden for fotofarmakologi. De screenede 4.096 derivater af diarylethen og identificerede fem lovende kandidater med to nøgleegenskaber – store maksimale absorbansbølgelængder og høje oscillatorstyrker. Disse egenskaber er vigtige for fotofarmakologiske applikationer, såsom lysstyret lægemiddelafgivelse.
Fotofarmakologi er et voksende felt inden for medicin. Den bruger lys til at aktivere eller deaktivere specialiserede molekyler, hvilket muliggør målrettet lægemiddelafgivelse. Blandt de anvendte materialer til dette er diarylethene derivater især lovende, fordi de ændrer farve som respons på lys og er stabile ved forskellige temperaturer.
For at identificere de optimale diarylethene -derivater begyndte teamet med at generere molekylstrukturer og udføre kvantekemiske beregninger på 384 diarylethene derivater for at forudsige deres egenskaber. Ved hjælp af disse resultater trænede de en maskinlæringsmodel til at forudsige egenskaber for et sæt på 4.096 derivater.
En kvantecomputer blev derefter brugt til at optimere disse forudsigelser og identificere molekyler med de største maksimale absorbansbølgelængder baseret på en Ising Hamiltonian, en matematisk model, der bruges til at beskrive systemet. Endelig bekræftede kvantekemiske beregninger på klassiske computere egenskaberne for de øverste kandidater, hvilket sikrede, at de opfyldte de ønskede kriterier for videreudvikling.
Under kvanteoptimering blev der anvendt en 12-qubit kvanteberegning til effektivt at simulere jordtilstanden, den laveste energistat og de fire ophidsede tilstande i ISing-modellen. Dette trin hjælper med at identificere diarylethene-derivater med største og næststørre absorbansbølgelængder.
Derefter blev beregninger af kvantekemi anvendt til at analysere bidraget fra molekylære orbitaler til absorbansen. Dette trin guider designet af nye diarylethene -derivater med ikke kun udviser store absorbansbølgelængder, men også høje oscillatorstyrker.
Når den blev testet på en kvantesimulator, viste den nye metode stærk enighed med resultater fra en nøjagtig egenolver, et beregningsværktøj, der beregner energiniveauet for et Hamiltonian -system (i dette tilfælde en Ising Hamiltonian). Bemærkelsesværdigt, selv på reelle kvanteenheder, producerede metoden resultater med nøjagtighed, der kan sammenlignes med dem fra simulatoren takket være avanceret fejlundertrykkelse og afbødningsteknikker.
For nylig har integrationen af kvantekemiske beregninger med maskinlæring vist et betydeligt potentiale til at fremskynde opdagelsen af nye materialer. Mens denne hybrid -tilgang forbruger færre ressourcer og mindre tid sammenlignet med traditionelle metoder, står den stadig over for grundlæggende udfordringer. Disse inkluderer begrænsninger i størrelsen og kvaliteten af træningsdatasæt, såvel som vanskeligheder med effektivt at undersøge store kemiske rum ved hjælp af diskrete optimeringsteknikker.
Den nye kvante-klassiske metode har vist sig at være i stand til at tackle disse udfordringer og giver et muligt middel til at opdage andre typer nyttige materialer i fremtiden.