Quantum machine learning for the quantum lattice Boltzmann method: Trainability of variational quantum circuits for the nonlinear collision operator across multiple time steps
Diese Studie untersucht die Anwendung von Quantenmaschinenlernen zur Approximation des nichtlinearen Kollisionsoperators in der Quanten-Gitter-Boltzmann-Methode durch das Trainieren von zwei variationalen Quantenschaltkreis-Architekturen (R1 und R2), die entweder für kontinuierliche Mehrschritt-Simulationen ohne Zwischenmessungen oder für die hochpräzise Rekonstruktion einzelner Zeitschritte ausgelegt sind.