作者: Mohammed Bediche, Matthijs van Waveren, Denis Ricot, Pierre Sagaut

1. 核心物理图象

本文的核心物理图象是：将经典计算中用于模拟流体流动的“格子玻尔兹曼方法”（LBM），通过巧妙的量子线路设计，转换成一个可以在量子计算机上运行的全量子算法。

主要贡献在于：作者解决了现有“混合量子-经典”LBM算法的一个根本性缺陷——每计算一个时间步就需要测量量子比特、提取结果、再重新初始化量子态的“瓶颈”。他们创新性地设计了一组后处理量子门，使得信息在所有时间步的计算过程中都保持在量子态中，只有在最终时刻才进行一次测量。这极大地提升了算法的潜在效率和可扩展性，为未来利用量子计算优势进行大规模流体模拟迈出了关键一步。

2. 关键术语解释

• 格子玻尔兹曼方法 (LBM, Lattice Boltzmann Method): 这是一种模拟流体流动的数值方法。它不直接求解复杂的纳维-斯托克斯方程，而是模拟大量虚拟粒子在规则网格（格子）上的碰撞和移动过程，然后通过统计这些粒子的行为来得到流体的宏观性质（如密度、速度）。在这篇论文中，LBM是待量子化的核心经典算法。

• 全量子算法 (Fully Quantum Algorithm): 指在整个计算过程中，信息完全以量子态的形式存在和演化，只在算法结束时进行一次测量来提取最终结果。这与“混合量子-经典”算法（需要在每一步进行测量和经典计算）形成对比。本文的核心贡献就是将一个混合算法改造成了全量子算法。

3. 主要贡献 (Key Contributions)

1. 打破了混合算法的测量瓶颈： 首次提出了一个用于一维线性平流-扩散方程的 全量子格子玻尔兹曼算法。该算法通过巧妙的量子态重排，完全避免了每步循环必需的经典测量和状态重新初始化，从根本上清除了一个主要的效率障碍。

2. 在真实量子硬件上的验证： 不仅是在模拟器上进行了验证，该算法还成功运行在了IBM 133量子比特的量子计算机 ibm_torino 上。尽管结果受到噪声影响，但成功复现了流动的定性演化趋势，证明了在真实硬件上实现该概念的可行性。

3. 为提升量子优势铺平道路： 该工作明确指出，由于避免了重复测量，其算法的复杂度与时间步数成线性关系，而混合算法的复杂度则因测量和初始化开销而高得多。这为未来在更大规模问题上利用量子计算的并行性和指数级加速潜力奠定了基础。

4. 研究方法 (Methodology)

• 理论基础： 基于经典的格子玻尔兹曼方法（D1Q2模型，即一维空间、两个速度方向），并严格限于线性情况的求解。
• 算法设计： 从L. Budinski提出的混合量子-经典LBM算法出发，该算法在每个时间步需要测量量子态以提取密度和速度。作者的关键改进在于：在原有的测量步骤之后，额外添加了两个量子门（一个SWAP门和一个Hadamard门），将包含密度和速度的量子态直接重整成了适用于下一步计算的“平衡态”形式。 这样就无需将信息转回经典进行准备。
• 执行与验证：
  • 在Qiskit（量子计算框架）的模拟器上运行全量子算法，并与经典算法的结果进行精度对比，结果完美匹配。
  • 在IBM的133量子比特量子计算机上运行经过简化的模型（8个网格点），使用多项技术减少噪声影响（如增加测量次数），并观测到了与经典算法一致的定性演化趋势。

5. 实验结果与结论 (Results and Conclusion)

• 关键结论：
  • 在理想模拟器上，全量子算法的结果与经典算法完全一致，验证了算法逻辑的正确性。
  • 在真实量子计算机上，成功观察到了与模拟一致的物质浓度（密度）演化趋势，证明了全量子LBM算法在实际设备上的可行性。
  • 实验结果也揭示了当前量子设备的一个关键挑战：量子退相干噪声。随着线路深度（时间步数）和系统规模的增加，输出结果的噪声和波动显著增大，导致定量上出现偏差。
• 对领域的启示和未来方向：
  • 这项工作证明了将LBM这类经典模拟方法转化为高效量子算法的可能性，为流体力学等领域的量子模拟指明了新路径。
  • 论文明确指出，当前算法的主要限制是噪声。因此，未来工作的核心方向是：1) 优化电路深度以减少噪声积累所需时间；2) 集成量子纠错和误差缓解技术，以保护量子信息，使得在更大规模、更长时间模拟中获得精确结果成为可能；3) 将算法扩展到二维和非线性问题。

6. 论文标签 (Tags)

量子算法, 模拟, 编译与优化

📄 点击此处展开/折叠原文 PDF

原文链接： Fully Quantum Algorithm for the 1-dimensional linear Lattice Boltzmann Method