Notes on Quantum Computing for Thermal Science

Dit document is een levend overzicht dat de potentie van quantumcomputing voor de thermische wetenschap verkent, beginnend met warmtegeleiding als testgeval voor het ontwikkelen van nieuwe algoritmen en het evalueren van hardware.

De kern

Quantum Computing voor Warmtetechniek: Een Reis door de Toekomst

Stel je voor dat je een enorme, complexe puzzel moet oplossen: hoe warmte zich verspreidt door een gebouw, een motor of zelfs de atmosfeer. Dit noemen we warmtegeleiding. Vandaag de dag gebruiken supercomputers (de snelste computers ter wereld) om dit te simuleren. Ze doen dit door de ruimte op te delen in miljarden kleine blokjes (een rooster) en voor elk blokje een berekening te maken. Dit kost enorm veel tijd en energie.

De auteurs van dit document, een team van onderzoekers uit Italië en Frankrijk, vragen zich af: Kan een quantumcomputer dit sneller en beter doen?

Hier is een uitleg van hun bevindingen, vertaald naar begrijpelijke taal met een paar creatieve vergelijkingen.

1. Het Probleem: De Klassieke Computer vs. De Quantumcomputer

De Klassieke Manier (De Enige Weg):
Stel je voor dat je een klas met 100 leerlingen hebt. Je wilt weten wat elke leerling denkt. Een klassieke computer is als een leraar die één voor één naar elke leerling loopt, een vraag stelt, het antwoord noteert en dan pas naar de volgende gaat. Als je 1000 leerlingen hebt, duurt het lang. Als je 100.000 hebt, wordt het onmogelijk om snel te zijn.
In de computerwereld betekent dit: om meer precisie te krijgen, moet je meer "bits" (schakelaars) toevoegen. Maar elke extra bit verdubbelt alleen maar de ruimte die je nodig hebt, niet de snelheid waarmee je alles tegelijk kunt zien.

De Quantum Manier (De Magische Zaal):
Een quantumcomputer werkt anders. Stel je voor dat je in een zaal bent waar alle 100 leerlingen tegelijkertijd in een "superpositie" zitten. Ze zijn niet alleen "Ja" of "Nee", maar ze zijn een mengsel van alle mogelijke antwoorden tegelijk.
Als je een quantumcomputer gebruikt, kun je in één keer met al die 100 leerlingen spreken. In plaats van 100 stappen, doe je het in één stap.

• De Analogie: Een klassieke computer is als een muis die door een doolhof loopt en elke weg één voor één probeert. Een quantumcomputer is als een spook dat door de muren loopt en alle paden tegelijkertijd verkent.

2. De Oplossing: Warmte als Golf

De onderzoekers gebruiken warmtegeleiding als hun testcase. Warmte gedraagt zich als een golf. In de natuurkunde weten we dat golven zich laten beschrijven met wiskunde die heel goed werkt in de quantumwereld (zoals de Fourier-transformatie).

Ze hebben twee hoofdpaden onderzocht om dit op een quantumcomputer te doen:

A. De Variational Quantum Eigensolver (VQE) – "De Slimme Gokker"

Dit is een methode die we nu al kunnen proberen, zelfs op de huidige, nog wat onvolmaakte quantumcomputers (de zogenaamde NISQ-era).

• Hoe het werkt: Stel je voor dat je een bal in een berglandschap probeert te vinden die op het laagste punt ligt (de "grondtoestand"). Je kunt niet het hele landschap zien, dus je gooit de bal een beetje willekeurig, kijkt waar hij landt, en past je strategie een beetje aan. Je doet dit steeds opnieuw tot je zeker weet dat je op het laagste punt zit.
• De Uitdaging: De huidige quantumcomputers zijn "ruisig" (ze maken fouten door trillingen of temperatuur). Het is alsof je probeert een bal te laten rollen op een berg terwijl het stormt. Soms werkt het goed (zoals in hun simulaties met 3 of 4 qubits), maar voor grote problemen (miljarden blokjes) is de computer nog niet sterk genoeg.
• De conclusie: VQE is veelbelovend, maar we moeten nog wachten tot de hardware beter is.

B. De HHL-Algoritme – "De Super-Snelheidskrant"

Dit is een theorie voor de verre toekomst, wanneer we foutloze quantumcomputers hebben.

• Hoe het werkt: Dit algoritme is als een magische sleutel die direct de oplossing voor een vergelijking vindt zonder stap-voor-stap te rekenen. Het gebruikt een trucje genaamd "Quantum Phase Estimation".
• De Analogie: Stel je voor dat je een enorme bibliotheek hebt met boeken die de oplossing bevatten. Een klassieke computer moet elk boek één voor één openen om de juiste pagina te vinden. De HHL-algoritme kan de hele bibliotheek in één oogopslag scannen en direct het juiste boek in je handen leggen.
• De Uitdaging: Dit vereist een computer die nog niet bestaat. Het is alsof we een formule hebben voor een raket die naar Mars kan, maar we hebben nog geen motor die sterk genoeg is om die raket te lanceren. Het algoritme is extreem gevoelig voor ruis; als de computer ook maar een klein beetje trilt, valt de oplossing in duigen.

3. Waarom is dit belangrijk?

De auteurs zeggen: "Dit is een levend document." Ze blijven experimenteren.

• De Potentie: Als we dit eenmaal kunnen, kunnen we klimaatmodellen, nieuwe materialen voor zonnepanelen of de koeling van kernreactoren ontwerpen in minuten in plaats van jaren.
• De Realiteit: We zitten nu in een overgangsfase. De computers zijn te klein en te onnauwkeurig voor de grootste problemen, maar ze leren ons hoe we de software moeten bouwen voor wanneer de hardware volwassen is.

Samenvattend in één zin:

Deze paper is een blauwdruk voor hoe we in de toekomst warmteproblemen kunnen oplossen door de wetten van de quantumwereld (waar dingen tegelijkertijd op meerdere plekken kunnen zijn) te gebruiken als een superkracht, maar we moeten nog even geduld hebben tot de "quantum-motoren" sterk genoeg zijn om die kracht echt te benutten.

Kortom: Het is alsof we de landkaarten hebben getekend voor een nieuwe snelweg (de quantumcomputer), maar de auto's (de hardware) zijn nog niet helemaal klaar om erop te rijden. Maar de reis begint nu!

Technische samenvatting

Titel: Notities over Quantum Computing voor Thermische Wetenschappen

Auteurs: Pietro Asinari et al. (Politecnico di Torino, INRiM, Université Grenoble Alpes)
Datum: December 2025 (Versie v01.22)

---

1. Probleemstelling

Het document adresseert de uitdaging om lineaire stelsels op te lossen die centraal staan in de thermische wetenschappen, met name de warmtegeleidingsvergelijking.

• Context: In klassieke Computational Fluid Dynamics (CFD) kunnen simulaties op supercomputers honderden miljarden roostercellen (mesh nodes) bevatten (bijv. $N \sim 7.8 \times 10^{11}$). Klassieke computers slaan reële getallen op met een beperkte precisie (bijv. 53 bits voor de mantisse in IEEE 754 dubbele precisie).
• Klassieke limiet: De opslagcapaciteit voor reële getallen groeit lineair met het aantal bits ($N_{classic} \approx n_{bits}/64$).
• Quantum potentieel: Een quantumcomputer met $n$ qubits kan zich bevinden in een superpositie van $N = 2^n$ basisstaten. Dit biedt een exponentiële schaalvoordeel voor het coderen en manipuleren van grote hoeveelheden data (bijv. een temperatuurprofiel op een fijn rooster), mits de decoherentie en ruis in het huidige NISQ-tijdperk (Noisy Intermediate-Scale Quantum) kunnen worden beheerd.
• Filosofische uitdaging: Warmtegeleiding is een dissipatief (irreversibel) proces, terwijl de evolutie van een ideale quantumcomputer unitair en reversibel is (Schrödingervergelijking). De kernvraag is hoe een reversibele quantumcomputer een irreversibel fenomeen kan modelleren. Het antwoord ligt in het gebruik van meting: de quantumevolutie wordt ontworpen zodat de meting ineenstort naar de gewenste dissipatieve dynamica.

2. Methodologie

De auteurs onderzoeken twee hoofdalgoritmen voor het oplossen van het lineaire stelsel dat voortvloeit uit de discretisatie van de warmtegeleidingsvergelijking:

A. Variational Quantum Eigensolver (VQE)

VQE is een hybride algoritme (klassiek + quantum) dat geschikt is voor het huidige NISQ-tijdperk.

1. Normalisatie: De temperatuurvector $\vec{T}$ wordt omgezet in een genormaliseerde quantumstaat $|b\rangle$. Het doel is de staat $|x\rangle$ te vinden die voldoet aan $\hat{A}|x\rangle = |b\rangle$, waarbij $\hat{A}$ gerelateerd is aan de warmtegeleidingsoperator.
2. Hamiltoniaan/Observabele: Er wordt een Hamiltoniaan $\hat{H}$ (of observabele $\hat{O}$) geconstrueerd waarbij de oplossing $|x\rangle$ de grondtoestand is met energie 0. Dit wordt gedaan via $\hat{O} = \hat{C}^T(I - |b\rangle\langle b|)\hat{C}$.
3. Ansatz: Een parametrisch quantumcircuit (bijv. "EfficientSU2" in Qiskit) wordt gebruikt om een trial-staat $|x(\vec{\theta})\rangle$ te genereren. De parameters $\vec{\theta}$ worden geoptimaliseerd.
4. Optimalisatie: Een klassieke optimizer (zoals COBYLA) minimaliseert de verliesfunctie (loss function) $L(\vec{\theta}) = \langle x(\vec{\theta}) | \hat{O} | x(\vec{\theta}) \rangle$.
5. Implementatie-uitdaging: De observabele $\hat{O}$ moet worden ontbonden in een som van Pauli-matrices. Voor een groot aantal qubits groeit het aantal termen exponentieel, wat de efficiëntie tenietdoet.
6. Verbeterde VQE: De auteurs presenteren een geavanceerde methode gebaseerd op het diagonaliseren van de meting met behulp van de Quantum Fourier Transform (QFT) en de Hadamard-test. Dit vermindert de complexiteit van de observabele door de informatie in de staatsvoorbereiding te coderen in plaats van in de meting.

B. Harrow–Hassidim–Lloyd (HHL) Algorithm

HHL is een theoretisch krachtig algoritme voor het oplossen van lineaire stelsels met exponentiële versnelling, maar vereist fouttolerante hardware.

1. Quantum Phase Estimation (QPE): De eigenwaarden van de warmtegeleidingsoperator worden geschat en opgeslagen in een "clock register" (extra qubits).
2. Binarized Inversion: Een gecontroleerde rotatie op een ancilla-qubit inverteert de geschatte eigenwaarden.
3. Inverse QPE: De eigenwaarde-informatie wordt "gewist" (uncomputed) om de oplossing terug te brengen naar de input-register.
4. Selectie: Alleen metingen waarbij de ancilla in de staat $|1\rangle$ is en het clock register in de grondtoestand $|0\rangle$, worden behouden. Dit leidt tot de oplossing $|x\rangle$.
5. Beperkingen: HHL vereist diepe circuits en is zeer gevoelig voor ruis, waardoor het op dit moment voornamelijk theoretisch of via klassieke simulaties (statevector) bruikbaar is.

3. Belangrijkste Resultaten

• Simulaties met Qiskit en Qrisp:
  • De auteurs hebben VQE gesimuleerd voor een 1D warmtegeleidingsprobleem met 3 en 4 qubits (8 en 16 roosterpunten).
  • Met Qiskit (BaseEstimatorV2) en COBYLA werden resultaten behaald die dicht bij de analytische oplossing lagen, maar vereisten honderden tot duizenden evaluaties van de verliesfunctie, wat nog te veel is voor huidige hardware.
  • Met Qrisp (een hoog-niveau taal) werd een vereenvoudigde ansatz getest. De resultaten toonden aan dat de precisie van de metingen (aantal 'shots') kritiek is; bij lage precisie (0.025) was de onzekerheid groter dan de temperatuurveranderingen, waardoor de simulatie nutteloos werd.
• HHL Simulatie:
  • Ideale statevector-simulaties van HHL (met 3 input qubits, 5 clock qubits, 1 ancilla) toonden aan dat het algoritme de warmtegeleidingsvergelijking succesvol oplost.
  • Er is een duidelijke correlatie tussen de gesimuleerde temperatuurprofielen en de analytische oplossing.
  • Een belangrijk inzicht is dat ongeveer 55% van de meetuitkomsten moet worden weggegooid (post-selectie), wat een statistisch verlies impliceert maar acceptabel is voor toekomstige schaalbare systemen.
• Data Loading: Er wordt besproken hoe realistische data (temperatuurprofielen) kunnen worden geladen in quantumstaten, zowel via amplitude-encoding als probabiliteit-encoding, met aandacht voor de efficiëntie van "divide-and-conquer" strategieën versus parametrische ansatz-methoden.

4. Bijdragen

1. Paradigmatisch Voorbeeld: Het document biedt een van de eerste gedetailleerde technische analyses van quantumalgoritmen toegepast op een fundamenteel probleem in de thermische wetenschap (warmtegeleiding), dienend als blauwdruk voor de gemeenschap.
2. Vergelijking VQE vs. HHL: Het biedt een heldere vergelijking tussen de NISQ-vriendelijke VQE-methode (hybride, robuust maar met schaalproblemen bij observabelen) en de toekomstgerichte HHL-methode (exponentiële snelheid, maar hardware-afhankelijk).
3. Technische Diepgang: Het document gaat in op de subtiele details van de implementatie, zoals:
   • De constructie van de Hamiltoniaan voor een dissipatief proces.
   • De decompositie in Pauli-matrices en de exponentiële groei daarvan.
   • Geavanceerde meetprotocollen (Hadamard-test met QFT) om de complexiteit te reduceren.
   • De rol van entanglement en phase kickback in de algoritmen.
4. Open Source Code: Het bevat voorbeeldcodes in zowel Qiskit als Qrisp, wat de reproduceerbaarheid en toegankelijkheid voor onderzoekers vergroot.

5. Betekenis en Conclusie

Het document concludeert dat quantumcomputing een revolutionair potentieel heeft voor de thermische wetenschappen, vooral voor het oplossen van grote lineaire stelsels die klassiek onhandelbaar zijn.

• Huidige Status: We bevinden ons in het NISQ-tijdperk. VQE is het meest veelbelovend voor de korte termijn, maar lijdt onder ruis en de complexiteit van het ontbinden van observabelen. HHL is theoretisch superieur maar nog niet praktisch toepasbaar op huidige hardware vanwege de vereiste diepte en foutcorrectie.
• Toekomstperspectief: De weg naar "quantum supremacy" in engineering vereist zowel hardware-vooruitgang (meer qubits, minder ruis) als algoritme-ontwikkeling (efficiëntere ansatzes, betere data-encoding).
• Filosofisch: Het document benadrukt dat het modelleren van irreversibele processen op een reversibele quantumcomputer mogelijk is door slim gebruik te maken van de quantummeting als het mechanisme dat de dissipatie introduceert.

Kortom, dit document fungeert als een essentiële technische leidraad voor onderzoekers die willen verkennen hoe quantumcomputing de thermische simulaties en het materiaalonderzoek kan transformeren.