A quantum advection-diffusion solver using the quantum singular value transform

Probleemstelling

De numerieke simulatie van vloeistofstroming (Computational Fluid Dynamics - CFD) vereist het oplossen van complexe partiële differentiaalvergelijkingen (PDV's), zoals de Navier-Stokes-vergelijkingen. Hoewel deze modellen essentieel zijn voor toepassingen zoals weersvoorspelling en aerodynamica, lopen ze tegen enorme beperkingen aan qua rekenkracht en energieverbruik, vooral bij het verhogen van de resolutie.

De specifieke focus van dit artikel ligt op de lineaire advection-diffusievergelijking:
$$\partial_t u + c \cdot \nabla u = \nu \Delta u$$
waarbij $u$ de concentratie is, $c$ de advectiesnelheid, en $\nu$ de moleculaire diffusiviteit. Hoewel er al quantum-algoritmen bestaan voor het oplossen van PDV's (vaak via het HHL-algoritme of variatiele methoden), zijn deze vaak beperkt tot lage-orde discretisaties of hebben ze moeite met de exponentiële groei/afname die in niet-unitaire dynamica voorkomt. Er is behoefte aan efficiëntere quantum-methoden die hogere-orde nauwkeurigheid bieden met minder qubits en poorten.

Methodologie

Het artikel presenteert een quantum-algoritme dat de oplossing benadert door de differentiaaloperator te discretiseren en vervolgens de Quantum Singular Value Transform (QSVT) toe te passen.

1. Discretisatie:

   • Het domein wordt discretiseerd met een uniforme rooster.
   • In plaats van standaard lage-orde methoden, gebruiken de auteurs hogere-orde symmetrische finite-difference operatoren ($D_{2p}$) van orde $2p$ (waarbij $p \geq 1$).
   • De differentiaaloperator $P = -c\partial_x + \nu\partial_x^2$ wordt benaderd door een lineaire operator $L$. De auteurs kiezen specifiek voor een benadering waarbij de diffusie-term wordt behandeld via $D_{2p}^2$ in plaats van een tweede-orde operator $D_{2p}^{(2)}$, omdat dit leidt tot een meer natuurlijke polynoombenadering binnen het QSVT-raamwerk.

2. Block Encoding en LCU:

   • Om QSVT toe te passen, moet de operator $L$ worden ingebouwd in een unitaire block encoding.
   • Omdat de finite-difference operatoren lineaire combinaties zijn van translatie-operatoren (in een periodiek domein), gebruiken de auteurs de Linear Combination of Unitaries (LCU) methode.
   • Ze construeren efficiënte circuits voor modulaire adders en fase-adders om deze translaties te implementeren. Dit resulteert in een block encoding van de Hermitische matrix $H = i\beta D_{2p}$.

3. Quantum Singular Value Transform (QSVT):

   • De tijdsevolutie $e^{Lt}$ wordt benaderd als een polynoom $q(H)$ van de block-encoded operator.
   • De functie die benaderd moet worden is $f(x) = e^{-M_1 x^2 + i M_2 x}$, waarbij de termen corresponderen met diffusie en advectie.
   • Door gebruik te maken van Chebyshev-polynomen en de Jacobi-Anger-expansie, wordt een polynoomconstructie gevonden die deze functie binnen een specifieke precisie $\epsilon$ benadert.
   • Het algoritme gebruikt een extra ancilla-qubit om zowel even als oneven delen van de polynoom te behandelen (via Corollary 3.1.1 in het artikel).

4. Complexiteit en Foutanalyse:

   • De auteurs leiden nauwkeurige foutgrenzen af voor de eigenwaarden van de finite-difference operatoren.
   • Ze analyseren de totale poortcomplexiteit (aantal 1-qubit en 2-qubit poorten) en het aantal benodigde qubits als functie van de orde $p$, de tijd $T$, de precisie $\epsilon$ en de gladheid van de initiële functie $u_0$.

Belangrijkste Bijdragen

• Constructie van Hogere Orde Block Encodings: Een gedetailleerde constructie van block encodings voor finite-difference operatoren van willekeurige orde $2p$, specifiek geoptimaliseerd voor quantum circuits.
• Verbeterde Complexiteitsanalyse: Het tonen aan dat hogere-orde methoden ($2p$) het aantal benodigde qubits en poorten significant verlaagt voor een gegeven precisie, in vergelijking met lage-orde methoden (zoals orde 2).
• End-to-End Implementatie: Het leveren van een volledig werkend quantum circuit (in Qiskit) dat testbaar is op huidige simulatoren en hardware. De code is beschikbaar via een GitHub-repository.
• Vergelijking van Benaderingen: Een theoretische onderbouwing waarom het gebruik van $D_{2p}^2$ (in plaats van een aparte tweede-ordederivaat) superieur is voor de diffusie-term in dit specifieke QSVT-raamwerk, omdat het de polynoombenadering vereenvoudigt (de functie is even en begrensd door 1).

Resultaten

De auteurs hebben numerieke simulaties uitgevoerd voor zowel 1D als 2D gevallen met verschillende initiële condities (Gaussische golven, sommen van sinusgolven, golfpakketten en rechthoekige functies) en verschillende ordes ($2p = 2, 4, 6, 14$).

• Hogere Orde Superieure: Voor gladde initiële functies (zoals Gaussische golven) presteren hogere-orde methoden (bijv. orde 6 of 14) aanzienlijk beter dan lagere ordes. Ze bereiken dezelfde nauwkeurigheid met minder qubits en minder poorten.
  • Voorbeeld 1D: Een orde 6 methode met 6 ruimtelijke qubits bereikte een fout van $\sim 10^{-5}$, terwijl een orde 2 methode met 9 qubits (meer dan het dubbele aan qubits) een fout van $\sim 10^{-3}$ had. De orde 6 methode gebruikte ongeveer 2,5 keer minder poorten.
  • Voorbeeld 2D: In 2D was het voordeel nog groter. Een orde 6 methode bereikte een nauwkeurigheid die twee ordes van grootte beter was dan orde 2, met slechts 2/3 van het aantal poorten.
• Beperkingen bij Niet-Gladde Functies: Bij niet-gladde initiële condities (zoals een rechthoekige functie) presteerde de lage-orde methode (orde 2) beter dan de hoge-orde methode (orde 6). Dit bevestigt dat hogere-orde methoden alleen effectief zijn als de initiële data voldoende regulier is om de hoge frequenties op te lossen.
• Succeskansen: Door het gebruik van post-selectie (ancilla in $|0\rangle$ toestand) is de successkans lager dan 1 (ongeveer 22% in 1D en 5% in 2D), maar dit is een bekende trade-off in block-encoding methoden.

Betekenis en Toekomstperspectief

Dit werk is een belangrijke stap in de richting van praktische quantum simulatie van vloeistofstroming.

• Efficiëntie: Het toont aan dat quantum computers potentieel kunnen bieden voor het oplossen van lineaire transportproblemen met een veel hogere efficiëntie dan klassieke methoden, mits de juiste discretisatie (hoge orde) wordt gekozen.
• Schaalbaarheid: De methode is schaalbaar naar meerdere dimensies door de 1D-algoritmen te combineren, hoewel dit de successkans verlaagt.
• Toekomst: De auteurs zien de uitbreiding naar niet-lineaire modellen (zoals de Burgers-vergelijking, ondiepe watervergelijkingen en uiteindelijk de Navier-Stokes-vergelijking) als de volgende grote stap. Ze benadrukken dat de huidige resultaten de basis leggen voor het testen van quantum-algoritmen in operationele weersvoorspellingssystemen.

Kortom, het artikel demonstreert dat het combineren van hogere-orde finite-difference discretisatie met QSVT een krachtige route is om quantum-algoritmen voor PDE's te optimaliseren, wat leidt tot aanzienlijke besparingen in quantum resources voor nauwkeurige simulaties.