在材料科学的探索之旅中，一个联合研究团队近日取得了突破性进展，他们利用一种创新的量子经典结合的计算方法，成功加速了光致变色材料的发现过程。这一成果在《智能计算》期刊上发表，标志着在材料设计领域的一次重要飞跃。
该团队在之前的研究基础上，引入了一种全新的基于计算的变分量子紧缩方法。这种方法结合了量子计算的潜力与经典计算的稳定性，为设计光敏化合物——即光致变色材料——提供了一个强大的工具。
为了验证这一方法的有效性，研究人员进行了一项光药理学的案例研究。他们筛选了4096种二乙烯衍生物，并从中确定了五个极具潜力的候选材料。这些材料展现出了两个关键特性：一是具有较大的最大吸收波长，二是拥有较高的振荡器强度。这两个特性对于光药理学中的光控给药等应用来说至关重要。
光药理学作为一门新兴的医学领域，通过利用光来激活或灭活特定的分子，实现了靶向药物输送的新途径。在众多材料中，二乙烯衍生物因其对光的反应会改变颜色，并且在不同温度下都保持稳定的特性而备受瞩目。
在筛选过程中，研究小组首先利用量子化学计算对384个二乙烯衍生物进行了性质预测。基于这些预测结果，他们训练了一个机器学习模型，进一步预测了4096个衍生物的性质。随后，他们使用量子计算机对这些预测进行了优化，通过伊辛哈密顿量模型确定了具有最大吸光度波长的分子。
在量子优化阶段，团队利用12量子比特的量子计算机有效地模拟了伊辛模型的基态和四个激发态。这一步骤帮助他们识别出了具有最大和第二至第四大吸收波长的二芳基乙烯衍生物。随后，通过量子化学计算，他们分析了分子轨道对吸光度的贡献，从而指导了新的二芳基乙烯衍生物的设计。
当在量子模拟器上测试新方法时，团队发现其结果与精确特征求解器的结果高度一致。即使在真实的量子设备上，由于采用了先进的误差抑制和缓解技术，该方法产生的结果也与模拟器的结果相当精确。这一发现进一步证明了量子经典结合方法在加速新材料发现方面的巨大潜力。
近年来，量子化学计算与机器学习的结合在材料科学领域引起了广泛关注。与传统方法相比，这种混合方法不仅消耗的资源更少，时间更短，而且为探索大型化学空间提供了新的可能性。然而，这一方法也面临着一些挑战，如训练数据集的大小和质量限制，以及使用离散优化技术有效探索化学空间的困难。不过，新的量子经典方法已经成功地应对了这些挑战，为未来发现其他类型的有用材料开辟了道路。
