論文の概要: Screening strongly correlated materials in solid oxide cells with quantum simulation

• arxiv url: http://arxiv.org/abs/2610.31591v1
• Date: Thu, 22 Oct 2026 17:26:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.496318
• Title: Screening strongly correlated materials in solid oxide cells with quantum simulation
• Title（参考訳）: 量子シミュレーションによる固体酸化物細胞の強相関物質のスクリーニング
• Abstract要約: 産業材料科学における量子コンピュータ応用の評価のためのエンドツーエンドフレームワークを開発する。 本研究では, 酸素空孔形成エネルギー, 空孔移動障壁, 電子伝導率など, 界面可観測性の観点から材料問題を定式化する。 我々は,SOFCおよびSOEC導入シナリオ下での改良電極材料の世界的なビジネス価値を推定する。
• 参考スコア（独自算出の注目度）: 5.485684648395748
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop an end-to-end framework for assessing a quantum-computing application in industrial materials science: the screening of strongly correlated oxygen-electrode materials for SOFCs and SOECs. We formulate the materials problem in terms of interface observables including oxygen-vacancy formation energies, vacancy migration barriers, and electronic conductivity. We describe how these observables can be obtained using a diagrammatic GW-based embedding, either GW+DMFT or self-energy embedding theory (SEET), applied to a DFT-screened shortlist. The atomistic electrode/electrolyte interface defines the electronic structure problem from which the correlated impurity models are constructed. Quantum impurity solvers would provide the finite-temperature impurity Green's functions required by the embedding. The computational challenges that classical solvers may encounter as the interacting active space grows, together with the polynomial scaling of quantum Hamiltonian simulation for efficiently represented discretized models, open an opportunity for quantum advantage. We identify the benchmarks needed to assess this opportunity through convergence of vacancy and migration energetics and comparison with the best applicable classical solvers. We provide illustrative logical qubit counts and identify the thermal state preparation, simulation, measurement, and repeated-solve costs needed for a complete resource assessment. We connect microscopic observables to macroscopic engineering metrics using a continuum model for mixed ionic--electronic conducting oxygen electrodes that couples oxygen surface exchange, solid-state oxygen transport, electrode microstructure, and finite electrode thickness. Finally, we estimate the potential worldwide business value of improved electrode materials under SOFC and SOEC deployment scenarios informed by public technical targets and electrolyser deployment data.
• Abstract（参考訳）: 産業材料科学における量子計算応用評価のためのエンドツーエンドフレームワークを開発し,SOFCとSOECの強い相関性を持つ酸素電極材料のスクリーニングを行った。 本稿では, 酸素空孔形成エネルギー, 空孔移動障壁, 電子伝導率など, 界面観測可能な材料問題を定式化する。 本稿では,GW+DMFT あるいは自己エネルギー埋め込み理論 (SEET) を用いて,DFT を用いたショートリストに適用した。 原子性電極/電解質界面は、相関不純物モデルを構築する電子構造問題を定義する。 量子不純物解法は、埋め込みによって要求される有限温度不純物グリーン関数を提供する。 相互作用する活性空間が大きくなるにつれて古典的解法が遭遇する可能性のある計算課題は、量子ハミルトンシミュレーションの多項式スケーリングとともに、効率よく表現された離散化されたモデルに対する多項式スケーリングと共に、量子優位性の機会を開く。 この機会を評価するのに必要なベンチマークを、空き容量と移動エネルギーの収束と、最も適した古典的解法との比較により同定する。 実測的な論理量子ビット数を提供し, 完全資源評価に必要な熱状態準備, シミュレーション, 測定, 繰り返し解決コストを同定する。 我々は, 酸素表面交換, 固体酸素輸送, 電極微細構造, 有限電極厚を結合する混合イオン-電子導電性酸素電極の連続体モデルを用いて, 顕微鏡観測物とマクロエンジニアリングメトリクスを結合する。 最後に,SOFCおよびSOECの展開シナリオ下での改良電極材料の世界的なビジネス価値を,公的な技術目標や電解器の展開データから推定する。

関連論文リスト

• From sparse quantum-computing data to atomistic simulation with universal machine-learning interatomic potentials [0.0]
  本稿では,量子計算に基づく電子構造計算を機械学習の原子間ポテンシャルに組み込むフレームワークを提案する。 我々は、量子コンピューティングから得られる一連の正確な参照エネルギーを用いて、事前訓練されたDFTベースのuMLIPを洗練する。
  論文  参考訳（メタデータ） (2026-09-18T09:27:06Z)
• Ab initio Modeling of MoS2/Oxide Device Interfaces with Machine Learned Electronic Structures [66.44589802420899]
  我々は、スケーラブルな機械学習(ML)電子構造モデルと高度な量子輸送(QT)解決器を統合する半導体デバイスをシミュレートするための新しいab initioアプローチを導入する。 このフレームワークは密度汎関数理論上の10,000Xのスピードアップを可能にし、20,000個の原子からなる装置のハミルトン行列を生成する。
  論文  参考訳（メタデータ） (2026-08-27T15:33:39Z)
• MACE-POLAR-1: A Polarisable Electrostatic Foundation Model for Molecular Chemistry [2.920129574607374]
  分子化学のための新しい静電気基礎モデルを提案し, 長距離相互作用と静電気誘導の明示的な処理により, MACEアーキテクチャを拡張した。 本手法は局所的な多体幾何学的特徴と、学習可能な電荷とスピン密度を更新する非自己整合場形式とを組み合わせる。 モデルが可変電荷とスピン状態を扱う能力、外部磁場に反応し、解釈可能なスピン分解電荷密度を提供し、小さな分子からタンパク質-リガンド錯体への精度を維持し、それを計算分子化学と薬物発見のための汎用的なツールとして位置づける。
  論文  参考訳（メタデータ） (2026-02-23T01:09:54Z)
• Accurate Ab-initio Neural-network Solutions to Large-Scale Electronic Structure Problems [52.19558333652367]
  有限範囲埋め込み(FiRE)を高精度なアブ・イニシアチブ電子構造計算に応用する。 FiREは、ニューラルネットワークの変異モンテカルロ(NN-VMC)の複雑さを$sim ntextel$, the number of electronsによって低減する。 バイオケミカル化合物や有機金属化合物など,様々な課題に対して,本手法の精度を検証した。
  論文  参考訳（メタデータ） (2025-04-08T14:28:54Z)
• Excited-state nonadiabatic dynamics in explicit solvent using machine learned interatomic potentials [0.602276990341246]
  我々はFieldSchNetを用いてQM/MM静電埋め込みを、非断熱励起状態軌跡のML/MMに置き換える。 ML/MMモデルはQM/MM表面ホッピング参照シミュレーションの電子動力学と構造再構成を再現することを示した。
  論文  参考訳（メタデータ） (2025-01-28T14:14:43Z)
• Electron-Electron Interactions in Device Simulation via Non-equilibrium Green's Functions and the GW Approximation [71.63026504030766]
  電子-電子(e-e)相互作用は、量子輸送シミュレーションに明示的に組み込まれなければならない。 この研究は、非平衡条件下でのナノデバイスの大規模原子論的量子輸送シミュレーションを報告した最初のものである。
  論文  参考訳（メタデータ） (2024-12-17T15:05:33Z)
• CHGNet: Pretrained universal neural network potential for charge-informed atomistic modeling [0.6860131654491484]
  新たな機械学習原子間ポテンシャル(MLIP)としてCrystal Hamiltonian Graph Neural Network(CHGNet)を提案する。 CHGNetは、Material Project Trajectoryデータセットのエネルギー、力、応力、磁気モーメントに基づいて事前訓練されている。 従来のMLIPでは観測できない電子自由度を付加したイオン系に関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2023-02-28T01:30:06Z)
• Topological Josephson Junctions in the Integer Quantum Hall Regime [42.408991654684876]
  チューニング可能なジョセフソン接合(TJJ)は、異常なジョセフソン効果と位相量子絶縁体応用を研究する上で望ましいプラットフォームである。 本稿では、整数量子ホール(IQH)と超伝導体の物理を組み合わせることで、頑健で静電気的に調整可能なTJJを提案する。 スケーラブルでロバストなAndreev-qubitプラットフォームへの特に関連性があり、また効率的な位相電池でもある。
  論文  参考訳（メタデータ） (2022-11-04T16:45:07Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)
• OrbNet: Deep Learning for Quantum Chemistry Using Symmetry-Adapted Atomic-Orbital Features [42.96944345045462]
  textscOrbNetは、学習効率と転送可能性の観点から、既存のメソッドよりも優れています。 薬物のような分子のデータセットに応用するために、textscOrbNetは1000倍以上の計算コストでDFTの化学的精度でエネルギーを予測する。
  論文  参考訳（メタデータ） (2020-07-15T22:38:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。