Nonlinearity-preserving quantum simulation of flows in the early fault-tolerant regime
本文提出了一种保持非线性的量子模拟框架,该框架将稀疏识别的多项式降阶模型与沃尔什合成的库普曼-冯·诺依曼输运相结合,旨在通过参考电路减轻噪声,以证明在数小时内使用约 560,000 个物理量子比特来模拟早期容错流体流动(例如圆柱绕流)的可行性。
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
流体很少是静止的。从船体后方旋转的尾迹,到掠过飞机机翼的疾风,运动中的液体和气体都以其混沌性为特征。当流体流经一个障碍物(如圆柱体)时,它并不仅仅是绕过它滑动。相反,流动会变得不稳定,破碎成从物体上脱落的重复旋转涡旋模式。虽然单一的流体路径看似可预测,但现实情况是,起始条件下微小且不可避免的不确定性会导致个体路径发生剧烈的分歧。为了理解这类系统,科学家们追踪的不只是单条流线,而是一个完整的可能性云团——一个显示流体可能存在于何处的概率分布。这个可能性云团根据一套特定的规则随时间演化。现代计算面临的挑战在于,模拟整个云团而非仅仅是单条路径是非常困难的。经典计算机在处理需要保持云团在拉伸和挤压过程中精确度时,难以应对庞大的计算量。
量子计算机为解决这一问题提供了不同的途径。不同于处理零或一比特信息的经典机器,量子机器使用量子比特,它们可以存在于复杂的叠加态中。这使得它们能够直接表示概率云。然而,构建一台足以解决现实世界流体问题的量子计算机仍处于开发阶段。我们目前正处于“早期容错”时代,即机器规模已经大到可以运行复杂的算法,但仍然容易出错,需要不断的纠错。研究人员面临的问题是,这些早期机器是否真的能在技术成熟为完全无误差的超级计算机之前,执行有用的非线性流体动力学模拟。
一支研究团队现在展示了一种方法,利用专门为这些早期机器设计的量子方法来模拟圆柱体后方的混沌尾迹。他们专注于一个经典的测试案例:流体流经圆柱体,且速度处于使尾迹变得不稳定并稳定在规律性涡旋脱落模式下的水平。他们并没有试图模拟流体中的每一个点(这需要过多的资源),而是首先简化了问题。他们使用一种称为稀疏识别的技术,找到了流体本质行为的一个紧凑数学描述。这种被称为降阶模型的描述,通过仅有的几个关键变量和简单的多项式关系,捕捉了尾迹的增长与饱和。通过先降低物理问题的复杂度,他们可以将问题转化为量子计算机可以处理且不会因负荷过重而崩溃的形式。
随后,研究人员使用一种称为 Koopman–von Neumann 嵌入的方法,将这个简化的模型映射到量子电路中。这种方法将流体的状态概率视为一种波,允许量子计算机同时演化整个概率云。他们工作中的一项关键创新是使用名为 Walsh 合成的技术,该技术优化了用于推动概率云随时间向前移动所需的量子操作。这种方法确保了随着模拟细节的增加,所需的量子步骤数量不会爆炸式增长。相反,成本增长非常缓慢,使得在资源有限的机器上进行模拟成为可能。团队估计,要高精度地模拟这种流体尾迹,他们需要一台拥有大约 56 万个物理量子比特的量子计算机。虽然这听起来是一个巨大的数字,但在专家预测的近期范围内是可以实现的,特别是到 20 世纪 20 年代末。
为了证明他们的概念不仅仅是理论性的,团队在 IBM 提供的实际量子硬件上运行了一个较小规模的模拟版本。他们使用一个四量子比特处理器来模拟流体尾迹的径向运动。由于机器存在噪声且易出错,他们采用了一个巧妙的技巧:运行具有相同结构但关闭了运动功能的参考电路。通过将真实模拟的带噪声结果与这些参考运行进行对比,他们可以从数学上剥离噪声,从而揭示真实的底层信号。实验成功表明,量子计算机能够追踪流体的概率云如何向一个稳定的、重复的模式移动,证实了尽管硬件存在缺陷,非线性动力学特性依然得到了保留。
这项研究为如何弥合抽象量子算法与实际流体模拟之间的差距提供了清晰的路线图。研究人员发现,通过平衡简化模型的准确度与量子电路的成本,他们可以设计出符合早期容错机器能力的模拟方案。他们的估算表明,一个高保真度的圆柱体尾迹全模拟可以在一台拥有 56 万个量子比特的机器上大约 1.6 小时内完成。这是一个重要的里程碑,因为它将该领域的研究重点从询问“我们能否做到?”转向了“我们如何制造出能做到这一点的机器?”这项工作证明,通过结合正确的数学简化和高效的量子电路设计,我们可以在技术达到其全部潜力之前,就开始利用量子计算机来解决复杂的非线性流体动力学问题。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。