Schrödinger-Navier-Stokes Equation for the Quantum Simulation of Navier-Stokes Flows

Dit artikel presenteert het eerste kwantumalgoritme voor de simulatie van de Navier-Stokes-vergelijkingen, inclusief druk en dissipatie, door een nieuwe aanpak te ontwikkelen die de uitdagingen van het Schrödinger-Navier-Stokes-model overwint via een Hamilton-Jacobi-formulering en Carleman-embeddings met tensor-netwerken.

De kern

De "Quantum-Navier-Stokes" Formule: Hoe we stromend water in een quantumcomputer laten zwemmen

Stel je voor dat je een enorme, complexe dans van waterdruppels wilt simuleren. Of het nu gaat om de stroming van lucht rond een vliegtuig, de stroming van bloed in een ader, of de wind die door een stad waait. In de wereld van de klassieke fysica noemen we dit de Navier-Stokes-vergelijkingen. Het zijn de regels die beschrijven hoe vloeistoffen en gassen bewegen.

Het probleem? Deze regels zijn ontzettend moeilijk om op te lossen, vooral als je ze op een computer wilt doen. En nu willen wetenschappers ze op een quantumcomputer doen. Maar quantumcomputers houden niet van "rommelige" dingen zoals wrijving (dissipatie) en draaiende stromingen (wervelingen). Ze houden van strakke, lineaire patronen.

In dit paper presenteren Luca Cappelli en zijn team een slimme oplossing: een brug tussen de chaotische wereld van vloeistoffen en de strakke wereld van quantumcomputers. Ze noemen het de Schrödinger-Navier-Stokes (SNS) vergelijking.

Hier is hoe het werkt, vertaald in alledaags taal:

1. Het Probleem: De "Kleverige" Quantumcomputer

Stel je een quantumcomputer voor als een super-snel, maar erg kieskeurig muziekinstrument. Het kan prachtige, lineaire melodieën spelen. Maar vloeistoffen zijn als een orkest dat ook nog eens moet drummen (wrijving) en soms uit de toon valt (niet-lineair gedrag).

De oude manier om dit op te lossen was om de vloeistof te beschrijven als een "quantumgolf". Maar deze golf had een lastig probleem: de "wrijving" (dissipatie) zat erin verpakt als een ingewikkelde, niet-lineaire boodschap. Voor een quantumcomputer is dat alsof je probeert een simpele piano te bespelen terwijl iemand continu de toetsen vasthoudt. Het werkt niet goed.

2. De Oplossing: De "Hamilton-Jacobi" Vertaling

De auteurs zeggen: "Laten we de vloeistof niet als één grote, rommelige golf zien, maar splitsen we hem op."

Ze gebruiken een oude, maar slimme truc uit de 19e eeuw (de Hamilton-Jacobi theorie) om de vloeistof in tweeën te splitsen:

• De rustige stroming: De delen die gewoon rechtuit gaan (zoals een rivier die rustig stroomt).
• De draaiende stroming: De delen die wervelen (zoals een draaikolk).

Door deze twee los te koppelen en ze in een nieuwe taal te vertalen (de Hamilton-Jacobi vorm), wordt de "wrijving" ineens veel makkelijker te begrijpen voor een quantumcomputer. Het is alsof je een ingewikkeld danspasje opdeelt in simpele stappen: "eerst een stap naar links, dan een draai".

3. De "Carleman" Truc: Het Ladderprincipe

Nu hebben we een vergelijking die eruitziet als een quantumgolf, maar die nog steeds een beetje "krom" is. Quantumcomputers kunnen alleen rechte lijnen (lineaire operaties) berekenen.

Hier komt de Carleman-embeddings-techniek om de hoek kijken.

• De Analogie: Stel je voor dat je een gebogen lijn wilt tekenen op een computer die alleen rechte lijnen kan. Je kunt de gebogen lijn benaderen door heel veel kleine, rechte lijntjes aan elkaar te plakken. Hoe meer lijntjes je gebruikt, hoe beter de kromme lijn eruitziet.
• In dit paper: Ze "verhogen" de dimensie van het probleem. Ze nemen de simpele variabelen (zoals snelheid en druk) en maken er een gigantisch systeem van nieuwe variabelen van. Dit systeem is nu wel lineair (recht), maar wel heel groot.

4. De "Tensor Netwerk" Magie: Het Opbergen van de Ruimte

Het probleem met deze "vergroting" is dat het systeem exponentieel groter wordt. Voor een simpele simulatie zou je meer geheugen nodig hebben dan er atomen in het universum zijn.

De auteurs gebruiken een slimme truc: Tensor Netwerken.

• De Analogie: Stel je voor dat je een enorme bibliotheek hebt met miljarden boeken. Normaal gesproken zou je elk boek apart op een plank moeten zetten. Dat kost enorm veel ruimte.
• Maar wat als je merkt dat veel boeken dezelfde zinnen bevatten? Dan kun je die zinnen opslaan in één "hoofdstuk" en in de boeken alleen maar verwijzen naar dat hoofdstuk.
• In dit paper: Ze gebruiken deze techniek om de enorme rekenkracht te comprimeren. In plaats van de hele "bibliotheek" van variabelen op te slaan, slaan ze alleen de essentiële, samengevoegde patronen op. Dit bespaart enorm veel geheugen. Zonder deze truc was hun simulatie op een gewone laptop onmogelijk geweest; met de truc past het er perfect op.

5. Wat hebben ze gevonden?

Ze hebben een quantum-algoritme ontworpen dat deze methode gebruikt om vloeistoffen te simuleren. Ze hebben het getest op een klassieke computer (om te zien of het werkt) en ontdekten het volgende:

• Korte termijn: Als je heel nauwkeurig wilt zijn voor een korte tijd, moet je de "ladder" hoog opklimmen (hoge orde van Carleman). Dit geeft een heel nauwkeurig beeld van de stroming.
• Lange termijn: Als je langere tijd kijkt, wordt de hoge ladder juist onnauwkeurig. Dan werkt een simpele, lage ladder (2e orde) juist beter om het algemene gedrag (zoals hoe de stroming afkoelt) te voorspellen.
• De conclusie: De beste strategie is een hybride aanpak: gebruik de complexe, hoge ladder voor korte, snelle details, en de simpele ladder voor het lange termijn gedrag.

Samenvattend

Dit paper is als het vinden van de perfecte vertaler tussen twee talen die niet met elkaar kunnen praten: de taal van de vloeistoffen (chaotisch, wervelend) en de taal van quantumcomputers (strak, lineair).

Ze hebben een nieuwe "woordenlijst" (de Hamilton-Jacobi vorm) bedacht en een slimme "archiefmethode" (Tensor Netwerken) om de enorme hoeveelheid informatie te beheren. Dit is de eerste keer dat er een echt quantum-algoritme is ontworpen dat de volledige Navier-Stokes vergelijkingen (met druk, wrijving en wervelingen) aankan. Het is een grote stap richting het simuleren van complexe weersystemen, aerodynamica en medische stromingen op quantumcomputers in de toekomst.

Technische samenvatting

Titel: Schrödinger-Navier-Stokes Vergelijking voor de Quantum Simulatie van Navier-Stokes Stromingen

Auteurs: Luca Cappelli, Sauro Succi, Monica Lăcătuş, Alessandro Andrea Zecchi, en Alessandro Roggero.

---

1. Het Probleem

De simulatie van klassieke vloeistofstromingen (beschreven door de Navier-Stokes-vergelijkingen, NS) op quantumcomputers is een groot uitdaging. Hoewel er veel belangstelling is voor quantum-simulatie van transportverschijnselen, stuiten onderzoekers op twee fundamentele obstakels bij klassieke vloeistoffen:

1. Non-lineariteit: De NS-vergelijkingen zijn inherent niet-lineair, terwijl quantummechanica lineair is.
2. Dissipatie: Klassieke vloeistoffen vertonen viscositeit en energie-afname, wat in strijd lijkt met de unitaire (energiebehoudende) evolutie van een gesloten quantum-systeem.

Bestaande benaderingen, zoals de hydrodynamische Schrödinger-formulering (gebaseerd op de Madelung-transformatie), hebben moeite om zowel dissipatie als werveling (vorticity) correct en consistent te modelleren binnen een quantum-raamwerk. Eerdere pogingen lieten vaak de dissipatie term achterwege of gebruikten kunstmatige krachten die niet fysiek consistent waren. Het doel van dit werk is het ontwikkelen van een kwantiseerbaar algoritme voor de echte Navier-Stokes-vergelijkingen, inclusief druk, dissipatie en werveling.

2. Methodologie

De auteurs volgen een drie-stappen strategie om dit probleem op te lossen:

A. De Schrödinger-Navier-Stokes (SNS) Formulering
Ze baseren zich op een minder bekende maar wiskundig eenvoudigere benadering van Dietrich en Vautherin (1985). In plaats van de complexe Madelung-transformatie te gebruiken, wordt de vloeistof beschreven door een scalair golffunctie $\psi$ gekoppeld aan een extern rotatieveld $\mathbf{A}$.

• De snelheid $\mathbf{v}$ wordt ontbonden in een irrotationeel deel (gradiënt van een potentiaal $\chi$) en een rotationeel deel (het veld $\mathbf{A}$).
• De dissipatie wordt geïntroduceerd via viscositeitscoëfficiënten die lineair afhankelijk zijn van de dichtheid.
• Dit leidt tot een lineaire Schrödinger-achtige vergelijking met een niet-lineair dissipatief term.

B. Omzetting naar Hamilton-Jacobi (HJ) Form
Om de quantum-implementatie mogelijk te maken, transformeren de auteurs het systeem terug naar de Hamilton-Jacobi (HJ) vorm (NSHJ).

• Hierbij wordt de golffunctie vervangen door de dichtheid $\rho$ en de fase $\chi$.
• Dit verwijdert de "quantum potentiaal" (een term die specifiek is voor quantummechanica en niet in klassieke NS voorkomt).
• Het resultaat is een systeem van vergelijkingen voor $\rho$, $\chi$ en het vectorveld $\mathbf{A}$, waarbij de niet-lineariteiten van tweede orde zijn. Dit is cruciaal, omdat Carleman-linearisatie het beste werkt met polynomen van lage orde.

C. Carleman-Embedding en Tensornetwerken
Om het niet-lineaire NSHJ-systeem op een quantumcomputer te kunnen simuleren, wordt Carleman-linearisatie toegepast.

• Dit is een techniek om een eindig-dimensionaal niet-lineair systeem om te zetten in een formeel oneindig-dimensionaal lineair systeem door het introduceren van hogere-orde momenten (tensorproducten van de toestandsvariabelen).
• Truncatie: Voor praktische doeleinden wordt het systeem afgekapt op een bepaalde orde $N_C$ (in dit werk tot de vierde orde).
• Tensornetwerk Representatie: Een grote uitdaging bij Carleman-linearisatie is de exponentiële groei van de geheugenvereisten ($O(G^{N_C})$). De auteurs introduceren een tensornetwerk-benadering. Hierbij worden de toestandsvectoren weergegeven als een som van rang-1 tensoren. Dit reduceert de complexiteit drastisch van $O((4G)^{N_C})$ naar $O((N_t 4G)^{N_C-2}(N_C-2)!)$, waardoor simulaties tot de vierde orde haalbaar worden op klassieke hardware en toekomstig op quantumhardware.

D. Quantum Algoritme
Het evolutionaire stapje wordt geformuleerd als een unitaire operatie via block-encoding. Omdat de evolutiematrices niet unitair zijn, worden ze ingebed in een grotere unitaire matrix met behulp van ancilla-qubits. De succeswaarschijnlijkheid van de operatie hangt af van de sub-normalisatiefactoren, die worden geanalyseerd in termen van tijdstap ($\Delta t$) en ruimtelijke resolutie ($\Delta x$).

3. Belangrijkste Bijdragen

1. Eerste Quantum Algoritme voor Echte NS: Dit is, naar weten van de auteurs, het eerste quantum-algoritme dat gebaseerd is op een golf-formulering van de genuïne Navier-Stokes-vergelijkingen, inclusief druk, dissipatie en werveling.
2. Oplossing voor Dissipatie: Ze tonen aan hoe de dissipatieve term, die een grote hindernis vormt voor quantum-linearisatie, effectief kan worden behandeld door terug te gaan naar de HJ-formulering en Carleman-embedding toe te passen.
3. Tensornetwerk Optimalisatie: Ze ontwikkelen een nieuwe techniek om Carleman-embedding efficiënter te maken via tensornetwerken, wat de geheugenkosten met meerdere ordes van grootte verlaagt.
4. Vergelijkende Analyse: Ze vergelijken hun CHJ-methode (Carleman Hamilton-Jacobi) met bestaande methoden zoals Carleman Navier-Stokes (CNS) en Carleman Lattice Boltzmann (CLB).

4. Resultaten

De auteurs hebben het algoritme gesimuleerd op een klassieke computer voor Kolmogorov-achtige stromingen bij matige Reynolds-getallen ($Re \approx 5$ tot $Re \approx 40$).

• Accuraatheid vs. Truncatie Orde:
  • Op korte tijdschalen ($t < t_{cross}$) verbetert de nauwkeurigheid met een hogere truncatie-orde ($N_C$). Een vierde-orde truncatie ($N_C=4$) behoudt relatieve fouten onder $10^{-3}$ gedurende een aanzienlijk deel van de simulatie.
  • Op langere tijdschalen ($t > t_{cross}$) keert het gedrag om: de tweede-orde truncatie ($N_C=2$) biedt de meest betrouwbare benadering van het stationaire gedrag (afname van de energie), terwijl hogere-orde benaderingen sneller divergeren van de exacte oplossing.
• Vergelijking met CNS: De CHJ-methode (Hamilton-Jacobi) presteert aanzienlijk beter dan de directe Carleman-linearisatie van de NS-vergelijkingen (CNS). CHJ behoudt coherentie met de exacte oplossing voor veel langere tijden (bijv. >150 tijdstappen voor $N_C=4$) vergeleken met CNS.
• Reynolds-getal Sensitiviteit: De methode is gevoelig voor het Reynolds-getal. Bij hogere $Re$ neemt de coherente tijd af. Echter, voor matige $Re$ is de methode zeer effectief.
• Geheugenbesparing: Dankzij de tensornetwerk-techniek konden simulaties met $N_C=4$ op een laptop worden uitgevoerd. Zonder deze techniek zouden de geheugenvereisten ($10^5$ GB) dit onmogelijk maken.

5. Betekenis en Conclusie

Dit werk opent een nieuwe weg voor quantum-simulatie van vloeistofstromingen. Het bewijst dat het mogelijk is om een quantum-algoritme te construeren voor de volledige Navier-Stokes-vergelijkingen door gebruik te maken van een golf-benadering (SNS) gecombineerd met Carleman-linearisatie in de Hamilton-Jacobi vorm.

De belangrijkste technische doorbraak is de tensornetwerk-strategie, die de exponentiële kosten van Carleman-linearisatie doorbreekt. Dit maakt het mogelijk om hogere-orde benaderingen te gebruiken die nodig zijn voor nauwkeurige simulaties, zelfs op huidige beperkte hardware.

Hoewel de Lattice Boltzmann-methode (CLB) momenteel nog robuuster lijkt bij hogere Reynolds-getallen vanwege zijn lokale structuur, biedt de CHJ-benadering een veelbelovend alternatief met minder velden (4 velden versus 9 bij CLB in 2D) en een fundamenteel andere benadering die directer aansluit bij de onderliggende fysica van de NS-vergelijkingen. De auteurs concluderen dat een hybride strategie (lage orde voor lange termijn, hoge orde voor korte termijn dynamics) de meest efficiënte route zou kunnen zijn voor toekomstige quantum-implementaties.