A Quantum-Classical Surrogate Model for the Collision Operator of the Lattice Boltzmann Method

Resumen Técnico: Un Modelo Sustituto Cuántico-Clásico para el Operador de Colisión del Método de Lattice Boltzmann

Planteamiento del Problema
El Método de Lattice Boltzmann (LBM) es una técnica de dinámica de fluidos computacional (CFD) ampliamente utilizada que discretiza el espacio, el tiempo y la velocidad. Si bien el paso de transporte (streaming) en LBM es lineal y susceptible a algoritos cuánticos, el paso de colisión local introduce dependencias no lineales que desafían a los resolvedores puramente cuánticos, los cuales dependen de operaciones unitarias. Los enfoques cuánticos previos para LBM han requerido o bien reformular el problema como una optimización binaria, emplear el recocido adiabático (adiabatic annealing), o utilizar Circuitos Cuánticos Variacionales (VQC) que están limitados a parámetros de relajación fijos (por ejemplo, $\tau=1$), lo que exige un reentrenamiento para diferentes regímenes de flujo. Además, los métodos existentes suelen tener dificultades con la naturaleza no unitaria del operador de colisión de Bhatnagar-Gross-Krook (BGK) y el alto número de puertas requeridas para las técnicas de linealización, como la expansión de Carleman.

Metodología
Los autores proponen un modelo sustituto híbrido cuántico-clásico diseñado para el hardware de Escala Cuántica Intermedia con Ruido (NISQ) para aproximar el operador de colisión no lineal de BGK. El núcleo de la metodología consiste en desacoplar el proceso de colisión en dos componentes distintos:

1. Predicción del Equilibrio mediante VQC: Un circuito cuántico parametrizado de poca profundidad predice la distribución de equilibrio post-colisión. El circuito utiliza un esquema de Codificación por Ángulo (AE) donde las variables macroscópicas clásicas (densidad $\rho$, velocidad $\mathbf{u}$) se codifican como ángulos de rotación. La arquitectura emplea un Ansatz Paralelo (PA) con $N=3$ qubits para manejar los tres componentes de velocidad. La estructura del circuito incluye la re-carga de datos (data re-uploading) (repitiendo las capas de codificación y entrelazamiento) para expandir el espectro de frecuencias accesible, permitiendo al modelo representar no linealidades de orden superior.
2. Relajación BGK mediante Extensión de Circuito: En lugar de aprender toda la dinámica de relajación, los autores integran el paso de relajación BGK directamente en la estructura del circuito. El parámetro de relajación $\omega$ se codifica como una amplitud de probabilidad cuántica que controla una puerta Fredkin (controlled-SWAP). Esta puerta mezcla el estado pre-colisión con el estado de equilibrio predicho. Este diseño permite que el modelo acepte cualquier parámetro de relajación $\omega \in [0.5, 2)$ como entrada sin necesidad de reentrenamiento.
3. Restricciones de Post-procesamiento: Para abordar los errores de aproximación inherentes al sustituto cuántico, el modelo aplica un post-procesamiento clásico para imponer:
   • Conservación de Masa y Momento: Utilizando una corrección algebraica derivada de Corbetta et al.
   • Equivariancia Rotacional: Imposición de simetría mediante el promedio de grupo sobre el grupo octaédrico $D_{48}$ (para 3D) o el grupo diedral $D_8$ (para 2D).
   • Compresión de Órbita Direccional: Reducción del número de circuitos entrenados mediante la agrupación de direcciones de velocidad en órbitas de simetría, compartiendo parámetros entre direcciones físicamente equivalentes.

Contribuciones Clave

• Parámetro de Relación Variable: El artículo introduce el primer sustituto híbrido cuántico-clásico que codifica explícitamente el parámetro de relajación $\omega$ como una entrada del circuito, permitiendo la recuperación del estado post-colisión BGK completo a través de todo el rango físicamente admisible sin reentrenamiento.
• Análisis Arquitectónico: Los autores reevalúan críticamente las métricas estándar de VQC (expresibilidad, entrelazamiento, dimensión efectiva) en el contexto de la dinámica de fluidos. Identifican que el número de repeticiones de codificación ($L_{SW}$) es el principal motor de la capacidad del modelo, mientras que alcanzar un entrelazamiento de nivel Haar no es un requisito previo para una precisión competitiva.
• Simulación de Alta Fidelidad en 3D: El trabajo presenta la primera simulación sustituta de LBM cuántica de alta fidelidad en tres dimensiones, validada mediante el banco de pruebas del vórtice de Taylor–Green.
• Compresión de Órbita: La implementación de la compresión de órbita direccional reduce significativamente la carga de entrenamiento e inferencia, manteniendo la precisión y estabilizando la simulación contra la varianza estocástica del entrenamiento.

Resultados
El sustituto fue validado contra el operador BGK clásico utilizando problemas de referencia establecidos:

• Vórtice de Taylor–Green (3D): Simulado a $Re \approx 1$ con parámetros de relajación $\omega = 0.75$ y $\omega = 1.25$. El sustituto reprodujo con precisión el decaimiento de la energía cinética y la dinámica de los vórtices con errores relativos medianos alrededor de $10^{-4}$. Se demostró que la inclusión de las correcciones de conservación y simetría es necesaria para la estabilidad a largo plazo.
• Capa de Cizalla Doble (2D): Simulado para números de Reynolds $Re = 100, 400,$y$1000$. El modelo capturó con éxito la inestabilidad de Kelvin-Helmholtz, el emparejamiento de vórtices y la transición a la turbulencia. Los errores puntuales se mantuvieron bajos ($\sim 10^{-4}$ a $10^{-3}$), concentrados en regiones de alta no linealidad (núcleos de vórtices).
• Generalización: El modelo demostró una robusta generalización a través de diferentes números de Reynolds y parámetros de relajación sin reentrenamiento, confirmando la eficacia de la codificación de $\omega$ variable.

Significancia y Reivindicaciones
El artículo sostiene que esta estrategia híbrida ofrece un camino práctico hacia la realización del potencial de la computación cuántica en la ingeniería de fluidos. Al delegar la relajación no unitaria de BGK a una extensión de circuito de forma cerrada y utilizar un VQC poco profundo solo para la predicción de equilibrio no lineal, el enfoque mitiga las limitaciones del hardware NISQ actual (ruido, qubits limitados, profundidad reducida). Los autores enfatizan que su enfoque evita los costos exponenciales de puertas de los métodos de linealización y los requisitos de reentrenamiento de los sustitutos LBM basados en VQC previos. El trabajo sugiere que las estrategias híbricas cuántico-clásicas pueden lograr una alta precisión y generalizabilidad, replicando estrechamente las soluciones clásicas para flujos de número de Reynolds moderado, validando así la viabilidad de los sustitutos de CFD mejorados por computación cuántica.