Una delle classi più importanti di problemi che tutti gli scienziati e i matematici aspirano a risolvere, per la loro rilevanza sia nella scienza che nella vita reale, sono problemi di ottimizzazione Dai rompicapi esoterici di informatica ai problemi più realistici del percorso dei veicoli, progettazione del portafoglio di investimento, e marketing digitale:al centro di tutto c'è un problema di ottimizzazione che deve essere risolto.

Una tecnica interessante spesso utilizzata per risolvere tali problemi è la tecnica di "ricottura quantistica, ' una struttura che affronta i problemi di ottimizzazione utilizzando il "tunneling quantistico", un fenomeno fisico quantistico, per individuare una soluzione ottimale tra diverse soluzioni candidate. Ironia della sorte, è nei problemi di meccanica quantistica dove la tecnica ha trovato un'applicazione piuttosto scarsa. "Chimici e scienziati dei materiali, che si occupano di problemi quantistici, sono per lo più non familiari con la ricottura quantistica e quindi non pensare di usarlo. Trovare applicazioni di questa tecnica è quindi importante per aumentare il suo riconoscimento come metodo utile in questo dominio, " afferma il Prof. Ryo Maezono del Japan Advanced Institute of Science and Technology (JAIST), specializzato nell'applicazione della scienza dell'informazione al campo della scienza dei materiali.

A quello scopo, Il prof. Maezono ha esplorato, in un recente studio pubblicato su Rapporti scientifici , il fenomeno della diffusione ionica nei solidi, un argomento di grande interesse sia per la scienza dei materiali pura che applicata, insieme ai suoi colleghi, Keishu Utimula, un dottorato di ricerca laureato in scienze dei materiali presso JAIST (nel 2020) e autore principale dello studio, Prof. Kenta Hongo, e il prof. Kousuke Nakano, applicando un framework che combinava la ricottura quantistica con calcoli ab initio, un metodo che calcola le proprietà fisiche dei materiali senza fare affidamento su dati sperimentali. "Mentre le attuali tecniche ab initio possono fornire informazioni sulle reti di percorsi di diffusione degli ioni, è difficile mappare quell'informazione in una conoscenza utile del coefficiente di diffusione, una quantità praticamente rilevante, " spiega il prof. Maezono.

Nello specifico, il team ha cercato di calcolare il "fattore di correlazione, ' una grandezza chiave nel processo di diffusione, e si rese conto che ciò poteva essere fatto inquadrando il processo come un problema di ottimizzazione del percorso, che è esattamente ciò che il framework di ricottura quantistica è progettato per risolvere! Di conseguenza, gli scienziati hanno calcolato il fattore di correlazione per un semplice reticolo tetragonale bidimensionale, di cui conoscevano già l'esatto risultato, utilizzando la ricottura quantistica e una varietà di altre tecniche computazionali e confrontando i loro risultati.

Sebbene i fattori di correlazione valutati fossero coerenti con il risultato analitico per tutti i metodi impiegati, tutti gli approcci soffrivano di limitazioni dovute a costi computazionali irrealistici per sistemi di grandi dimensioni. Però, gli scienziati hanno notato che la spesa computazionale per la ricottura quantistica è cresciuta molto più lentamente in modo lineare rispetto alle altre tecniche, che ha mostrato una rapida crescita esponenziale.

Il prof. Maezono è entusiasta del ritrovamento ed è fiducioso che, con sufficiente progresso tecnologico, la ricottura quantistica si presenterebbe come la migliore scelta possibile per risolvere i problemi nella scienza dei materiali. "Il problema della diffusione degli ioni nei solidi è di importanza centrale nella costruzione di batterie più piccole con una maggiore capacità o nel miglioramento della resistenza dell'acciaio. Il nostro lavoro mostra che la ricottura quantistica è efficace nel risolvere questo problema e può ampliare l'ambito della scienza dei materiali nel suo complesso, " conclude.