Как создать идеальный сплав из металлолома ✛ ✎ ✦

Оригинал: "Data-driven multi-objective optimization for alloy recycling using factorization machines and quantum annealing"
arXiv:2607.03208 · 2026-07-03 · arXiv non-exclusive · собственный разбор · 1 мин
Квантовый компьютер научился находить лучшую смесь алюминиевых отходов для прочных и теплопроводящих деталей.

Поиск идеального сплава из металлолома похож на выпечку кекса из остатков продуктов без точного рецепта. Нужно смешать кусочки разных алюминиевых сплавов так, чтобы получить прочный и теплопроводящий материал. Учёные поручили эту задачу квантовому компьютеру.

В отличие от обычного, который перебирает варианты по очереди, квантовый «пробует» множество смесей одновременно благодаря суперпозиции — способности находиться в нескольких состояниях сразу. А квантовая запутанность связывает части рецепта так, что изменение одной мгновенно сказывается на других. Но если смесь слишком сложная, возникают помехи — квантовая декогеренция, и машина ошибается.

Чтобы обойти это, к процессу подключили машинное обучение — программу, предсказывающую свойства сплава по составу. Цикл прост: программа предлагает рецепты, квантовый алгоритм отбирает лучшие, а численное моделирование (виртуальный эксперимент) проверяет результат. Повторяя эти шаги, учёные нашли идеальную металличность — точный химический состав, где высокая прочность сочетается с отличной теплопроводностью. Ключевым было не застрять на одном варианте, а сохранять разнообразие поиска — то, что физики называют энтропией. Такой подход даёт вторую жизнь банкам и профилям, экономя почти всю энергию, нужную для первичного производства алюминия.

В XIX веке алюминий стоил дороже золота: на банкете у Наполеона III самые почётные гости пользовались алюминиевыми приборами, а остальные — золотыми.

Метод напоминает репликатор из «Звёздного пути»: машина собирает материал по атомному рецепту.

f_{\mathrm{FM}}(\mathbf{x}) = w_0 + \sum_{i=1}^{N} w_i x_i + \sum_{i=1}^{N} \sum_{j=i+1}^{N} w_{ij} x_i x_j
w_0 — глобальное смещение, w_i — линейные веса элементов, w_{ij} — сила парных взаимодействий между компонентами сплава, x_i — бинарные переменные присутствия элемента
f(\mathbf{x}) = \mathbf{x}^{\mathsf{T}} \mathbf{Q} \mathbf{x} + \lambda C(\mathbf{x})
Матрица Q извлекается из обученной факторизационной машины, C(x) — штрафная функция, которая не даёт долям смеси выходить за разумные пределы, λ — сила штрафа
Учёные
Erwin SchrödingerHugh Everett IIIDavid DeutschJohn Stewart BellLouis de BroglieLov Grover
Понятия
квантовый отжиг гибридный алгоритм квантовый отжигатель оптимизация оптимизация ресурсов квантовых вычислений медицина активное обучение