量子启发的张量网络分数步方法在曲线坐标系中的不可压缩流

该研究团队提出了一种基于张量网络的算法框架,用于计算曲线坐标系中浸没物体周围的流体流动。研究表明,该模拟过程仅需使用高度压缩的流场张量表示和微分算子即可完成,并详细探讨了流体流动计算所需的张量运算数值实现。通过将该方法应用于静止及旋转圆柱体定常与非定常流动的典型案例,验证了其适用性。与有限差分模拟相比,在斯特劳哈尔数、作用力和速度场等方面均显示出优异的定量一致性。 该工作从降阶模型角度讨论了方法的特性,评估了与传统有限差分模拟相比的内存节省和潜在加速优势。数据显示:当流场压缩比达20倍、微分算子压缩比达1000倍(相较于稀疏矩阵表示)时,仍能获得误差小于0.3%的精确结果。强有力的数值证据表明,张量网络方法随系统规模增长的运行时扩展优势,将在大型系统模拟中实现显著的资源节约。最后需要指出,与其他基于张量网络的流体模拟方法类似,该算法框架可直接移植至量子计算机,从而获得更显著的规模扩展优势。

量科快讯