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

技術要約：格子ボルツマン法の衝突演算子に対する量子・古典ハイブリッドサロゲートモデル

問題提起
格子ボルツマン法（LBM）は、空間、時間、および速度を離散化する、広く用いられている計算流体力学（CFD）の手法である。LBMのストリーミングステップは線形であり、量子アルゴリズムに適しているが、局所的な衝突ステップは非線形な依存性を導入するため、ユニタリ演算に依存する純粋な量子ソルバーにとって課題となる。従来の量子LBMへのアプローチは、問題をバイナリ最適化として再定式化するか、断熱アニーリングを用いるか、あるいは固定された緩和パラメータ（例：$\tau=1$）に限定された変分量子回路（VQC）を用いるものであった。これらの手法は、異なる流動レジームに対して再学習を必要とする。さらに、既存の手法は、Bhatnagar-Gross-Krook（BGK）衝突演算子の非ユニタリな性質や、Carleman展開のような線形化技術に必要とされる高いゲート数に苦慮することが多い。

手法
著者らは、非線形なBGK衝突演算を近似するために、NISQ（Noisy Intermediate-Scale Quantum）ハードウェア向けに設計された、ハイブリッド量子・古典サロゲートモデルを提案している。本手法の核心は、衝突プロセスを以下の2つの明確なコンポーネントに分離することにある：

1. VQCによる平衡状態の予測： 浅いパラメータ化量子回路が、衝突後の平衡分布を予測する。この回路は、古典的なマクロ変数（密度 $\rho$、速度 $\mathbf{u}$）を回転角としてエンコードする**角度エンコーディング（Angle Encoding: AE）スキームを利用する。アーキテクチャには、3つの速度成分を扱うための$N=3$個の量子ビットを用いたパラレルアンザッツ（Parallel Ansatz: PA）**を採用している。回路構造には、アクセス可能な周波数スペクトルを拡張するために、データ再アップローディング（エンコーディング層と絡み合い層の繰り返し）が含まれている。これにより、モデルは高次の非線形性を表現することが可能となる。
2. 回路拡張によるBGK緩和： 全体の緩和ダイナミクスを学習する代わりに、著者らはBGK緩和ステップを直接回路構造に組み込んでいる。緩和パラメータ $\omega$ は、量子確率振幅としてエンコードされ、フレドキン（Fredkin/制御SWAP）ゲートを制御する。このゲートは、衝突前の状態と予測された平衡状態を混合する。この設計により、モデルは再学習を行うことなく、任意の緩和パラメータ $\omega \in [0.5, 2)$ を入力として受け取ることができる。
3. 後処理制約： 量子サロゲートに固有の近似誤差に対処するため、モデルには以下の古典的な後処理が適用される：
   • 質量および運動量の保存： Corbettaらによる代数的な補正を用いて実現。
   • 回転等変性： 3Dでは正八面体群 $D_{48}$、2Dでは二面体群 $D_8$ による群平均を通じて対称性を強制。
   • 方向軌道圧縮（Directional Orbit Compression）： 学習する回路の数を減らすため、速度方向を対称軌道にグループ化し、物理的に等価な方向間でパラメータを共有する。

主な貢献

• 可変緩和パラメータ： 本論文は、緩和パラメータ $\omega$ を回路の入力として明示的にエンコードした初のハイブリッド量子・古典サロゲートを導入しており、これにより、再学習なしで全物理許容範囲にわたる完全なBGK衝突後状態の回復を可能にした。
• アーキテクチャ分析： 著者らは、流体力学の文脈において、標準的なVQC指標（表現力、絡み合い、有効次元）を批判的に再評価している。彼らは、エンコーディングの繰り返し回数（$L_{SW}$）がモデル容量の主要な推進力であり、Haarレベルの絡み合いを達成することが競争力のある精度を得るための必須条件ではないことを特定した。
• 3D高忠実度シミュレーション： テイラー・グリーン渦ベンチマークを用いて検証された、初の三次元高忠実度量子LBMサロゲートシミュレーションを提示している。
• 軌道圧縮： 方向軌道圧縮の実装により、精度を維持しながら、学習および推論のオーバーヘッドを大幅に削減し、確率的な学習分散に対するシミュレーションの安定化を実現した。

結果
サロゲートは、確立されたベンチマーク問題を用いて古典的なBGK演算子と比較検証された：

• テイラー・グリーン渦（3D）： $\omega = 0.75$ および $\omega = 1.25$ の緩和パラメータにおいて、$Re \approx 1$ でシミュレーションを実施。サロゲートは、運動エネルギーの減衰と渦のダイナミクスを正確に再現し、中央値の相対誤差は約$10^{-4}$であった。保存および対称性の補正を含めることが、長期的な安定性に必要であることが示された。
• 二重せん断層（2D）： レイノルズ数 $Re = 100, 400, 1000$においてシミュレーションを実施。モデルは、ケルビン・ヘルムホルツ不安定性、渦のペアリング、および乱流への遷移を正常に捉えた。点別誤差は低く（$\sim 10^{-4}$から$10^{-3}$）、非線形性が高い領域（渦核）に集中していた。
• 汎用性： モデルは、再学習なしで異なるレイノルズ数および緩和パラメータにわたって堅牢な汎用性を示し、可変 $\omega$ エンコーディングの有効性を裏付けた。

意義および主張
本論文は、このハイブリッド戦略が、流体工学における量子コンピューティングの可能性を実現するための実用的な道筋を提供すると主張している。非ユニタリなBGK緩和を閉じた形式の回路拡張にオフロードし、浅いVQCを非線形な平衡予測のみに使用することで、このアプローチは現在のNISQハードウェアの制限（ノイズ、限定された量子ビット数、浅い深さ）を緩和する。著者らは、本手法が線形化手法の指数関数的なゲートコストや、従来のVQCベースのLBMサロゲートの再学習要件を回避することを強調している。本研究は、ハイブリッド量子・古典戦略が、中程度のレイノルズ数の流れに対して古典解を高度に複製できることを示しており、量子強化されたCFDサロゲートの実現可能性を検証している。