⚛️ quantum physics

Variational Quantum Algorithms for Hyperelasticity: Incorporating Nonlinear Constitutive Behavior

本文通过利用辅助变量和惩罚约束对包含伸展有理幂次的非线性本构行为项进行变换，将变分量子算法框架扩展至求解一维不可压缩超弹性问题，并进一步通过迭代修正策略提升了解析精度。

原作者： Uditnarayan Kouskiya, Caglar Oskay

发布于 2026-08-20

📖 1 分钟阅读🧠 深度阅读

原作者： Uditnarayan Kouskiya, Caglar Oskay

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象这样一个世界：我们周围的材料——橡胶圈、汽车轮胎、我们体内的软组织——都能在计算机上被完美精确地建模。长期以来，工程师和科学家一直依赖经典计算机来预测这些材料在压力下如何拉伸、挤压和回弹。然而，这些材料往往表现出复杂的非线性行为，这意味着微小的推力并不总是导致成比例的微小移动。解决这类行为背后的数学问题是极其困难的，尤其是在尝试将它们在下一代计算机——量子机器上进行模拟时。量子计算机虽然有望比当今任何机器都更快地解决某些问题，但在处理让现实世界材料变得有趣的非线性行为方面却显得力不从心。它们擅长处理直线和简单的关系，但在面对现实中的曲线和扭转时却会跌跌撞撞。

这正是范德堡大学的研究人员乌迪塔纳拉扬·考斯基亚（Uditnarayan Kouskiya）和卡格拉·奥斯凯（Caglar Oskay）试图解决的挑战。他们正致力于土木工程与量子计算的交叉领域，该领域旨在利用量子力学的奇特规则来解决结构设计中的问题。他们的目标是扩展他们之前开发的一种新方法，以处理橡胶类材料那种混乱的非线性数学。具体而言，他们想看看这种方法是否适用于遵循涉及分数幂（这是描述橡胶和生物组织的常见数学描述）之复杂规则的材料。研究人员并没有为这项研究建造一台物理量子计算机；相反，他们在模拟量子机器行为的经典计算机上运行了复杂的模拟。他们的工作是一项概念验证，证明了特定的策略可以弥合量子算法的刚性逻辑与超弹性材料的柔性现实之间的鸿沟。

研究人员工作的核心是一种被称为变分量子算法（Variational Quantum Algorithm）的技术。简单来说，这是一种利用量子计算机寻找系统最低能量状态的方法，而这个状态对应于材料在给定载荷下所能采取的最稳定形状。研究人员将材料能量的数学描述转化为一个“代价函数”（cost function），即量子计算机试图最小化的得分。问题在于，这些橡胶类材料的方程通常包含分数或负数的幂次，而目前的量子电路无法直接处理这些内容。为了绕过这个问题，团队引入了一个聪明的变通方法。他们添加了“辅助变量”（auxiliary variables），这些本质上是代表方程中困难分数部分的辅助数字。然后，他们在系统中增加了一个“惩罚”项：如果辅助数字与方程中困难的部分不完全匹配，代价得分就会上升。这迫使量子计算机寻找一个让辅助变量与困难数学部分相一致的解，从而有效地将复杂问题转化为量子机器能够理解的形式。

然而，这种转换是一种近似，就像任何近似一样，它会引入微小的误差。为了修复这一点，研究人员在过程中开发了第二个阶段：迭代修正策略。一旦量子计算机找到了一个初始的、粗略的解，研究人员就会利用该结果计算出一个“修正”场。然后他们再次运行量子算法，这次是要求它寻找改进第一个答案所需的微小调整。他们重复这个循环，每一轮都在完善解，使其更接近材料真实的物理行为。这有点像调收音机：你先找到大致的电台频道，然后不断微调旋钮，直到静电噪音消失，信号变得清晰。

团队在三种不同类型的橡胶类材料模型上测试了这种两步法，其中包括工程师描述这些物质变形的标准方式——奥格登（Ogden）模型和莫尼-里夫林（Mooney–Rivlin）模型。他们模拟了一个长度为一毫米、承受特定力和边界条件的单向材料条。使用一个拥有三个量子比特（量子信息的基元）的模拟量子系统，他们运行了算法。结果表明，初始的基于惩罚的方法提供了一个相当不错的估计，但迭代修正过程显著提高了准确度。对于莫尼-里夫林模型，经过几轮修正后，误差从超过百分之四降到了不到百分之零点五。研究人员发现，虽然第一遍猜测通常很接近，但随后的修正对于捕捉材料行为的精细细节至关重要。

研究结论指出，该方法对于他们测试的特定类型的非线性是可行的，但也强调了当前技术的局限性。研究人员指出，虽然他们的方法在选择的简单一维示例中表现良好，但涉及多维和复杂材料行为的更复杂、更真实的场景，则需要更多的量子比特和对辅助变量更复杂的处理。他们并未声称已经解决了在量子计算机上模拟所有材料的问题，也没有暗示这种方法已准备好投入工业使用。相反，他们展示了一个清晰的、循序渐进的过程，证明了结合惩罚约束和迭代优化可以使量子算法能够处理以前难以触及的复杂工程问题。这项工作是一个重要的进步，展示了量子计算未来如何通过理解所用材料的复杂物理特性，帮助工程师设计更安全、更高效的结构。

技术摘要：针对具有非线性本构关系的超弹性问题的变分量子算法

问题陈述
本文研究了利用近期待机量子硬件求解非线性弹性静力学边值问题的挑战。尽管最近的进展推动了针对微分方程的量子算法的发展，但仍存在两个主要障碍：许多具有强理论保证的算法需要容错硬件，且量子态演化的线性结构使得处理非线性微分方程变得复杂。具体而言，本研究针对由涉及伸展（stretch）的有理幂次（例如分数幂和逆幂，常见于 Ogden 和 Mooney–Rivlin 等模型）构成的本构模型所描述的超弹性材料。这些非线性特性难以直接在先前提出的用于处理线性或对数非线性的浅层电路变分量子算法（VQA）框架内进行表示。

方法论
作者扩展了先前提出的用于一维超弹性问题的 VQA 框架，以处理涉及有理幂次的本构非线性。该方法由三个核心部分组成：

重构为代价函数： 通过离散化势能泛函 $E[u]$ ，将弹性静力学问题重构，并将位移自由度编码进量子态 $|u\rangle = \theta_0 \hat{V}(\theta)|0\rangle$ 。其中， $\hat{V}(\theta)$ 是一个参数化量子电路（ansatz），而势能则作为待最小化的代价函数 $C(\theta_0, \theta)$ 。
通过惩罚法进行多项式逼近： 由于当前的量子原语（特别是量子非线性处理单元，QNPU）可以高效评估多项式运算，但无法高效处理任意有理幂次，因此将应变能密度 $W(\lambda)$ 近似为幂次项之和。为了消除分数幂或逆幂（例如 $\lambda^{p}$ ，其中 $p \in \mathbb{Q}$ ），引入辅助变量 $y$ 来强制执行约束条件，如 $y = \lambda^{p}$ 。这些约束通过惩罚项整合到总势能中：
$\tilde{E}[u, y] = E[u, y] + \frac{\beta}{2} \int_{\Omega_0} (y^b - \lambda^a)^2 dX$
这使得问题转化为最小化一个与 VQA 相兼容的多项式代价函数。
迭代修正策略： 意识到惩罚公式会引入近似误差（由于多项式逼近和惩罚参数 $\beta$ 的存在），作者引入了一种迭代修正方案。从近似解 $\tilde{u}$ 开始，寻求一个修正场 $\delta u$ ，使得 $u = \tilde{u} + \delta u$ 。通过对当前近似值附近的应变能密度进行泰勒展开，构造一个新的针对修正项的代价函数。通过一系列 VQA 调用来解决该修正问题，从而迭代地更新解（ $u^{(k+1)} = u^{(k)} + \delta u^{(k)}$ ）以提高精度。

主要贡献

扩展 VQA 框架： 本工作将 VQA 框架从线性及对数非线性扩展到了更广泛的涉及伸展有理幂次的本构模型类，特别展示了其在处理不可压缩 Ogden 模型和 Mooney–Rivlin 模型方面的适用性。
辅助变量与惩罚公式： 论文提出了一种通过引入辅助变量和惩罚约束来处理非多项式本构项的方法，使能量泛函能够与现有的量子算法原语相兼容。
迭代修正算法： 引入了一种新型迭代修正策略，用以减轻基于惩罚的近似所带来的误差，通过一系列 VQA 求解过程系统地精炼解的精度。

结果
所提出的方法通过在 Qiskit 中使用态矢量模拟，在了一维不可压缩 Ogden 模型（参数 $\alpha=2$ 和 $\alpha=3$ ）以及 Mooney–Rivlin 模型上进行了验证。

精度： 迭代修正程序显著提高了基于惩罚的解的精度。对于所有测试模型，相对于解析解的相对 $L_2$ 误差在五次迭代后均大幅降低。例如，Mooney–Rivlin 模型显示的误差从 4.27%（仅使用惩罚项）降低到了 0.49%（迭代后）。
收敛性： 研究观察到，随着解接近解析响应，优化过程变得越来越困难，因此作者在五次迭代后终止了过程，此时已取得了实质性的精度提升。
实现： 模拟使用了 3 个量子比特的系统（ $N_q=8$ ）以及深度为 $d=4$ 的电路。

意义与主张
本文将此工作定位为一种“概念验证”，证明了 VQA 可以被改编用于解决涉及有理幂次法则的超弹性非线性问题，这类问题此前难以通过近时代量子算法来处理。作者声称，结合基于惩罚的近似和迭代修正，为在无需容错硬件的情况下提高解的精度提供了一条可行的途径。

作者对研究范围保持谦逊，指出虽然目前的示例仅需要单个辅助变量，但涉及多个分数幂项的更复杂的本构模型将需要更多的变量以及更昂贵的量子实现。此外，目前的工作局限于一维问题；作者指出，将该方法扩展到高维问题以及处理非结构化网格，是充分利用有限元方法在量子环境下能力的后续关键方向。本文并未声称在这些特定一维示例中具有指数级优势，但指出其复杂度分析遵循了前人工作中关于潜在优势的类似条件。

类似论文