量子退火：助力破译高熵合金优异性能的密码

本文介绍了高熵合金（HEAs）因其优异的力学和热性能而受到广泛关注。研究团队开发了一种基于主动学习的量子退火辅助晶格优化算法（QALO），该算法结合了场感知因式分解机作为替代模型和量子退火算法作为优化器，用于全局搜索高熵合金的材料设计空间。通过渐进式的退火部署策略，QALO算法能够同时优化原子排列和成分，成功应用于难熔NbMoTaW合金的构型优化，再现了W的富集和Nb的贫化现象，并提高了合金的机械强度。研究展示了经典算法与量子算法结合的潜力，并指出随着量子器件的发展，该优化框架有望进一步增强。相关论文发表于npj Computational Materials 11: 4 (2025)。