量子科技中心_量科网

量子计算为模拟特定物理系统提供了潜在的指数级加速优势，但其在非线性动力学中的应用本质上受限于酉演化要求。该研究团队提出量子库普曼方法（QKM）——一种通过将非线性动力学转化为高维可观测空间中的线性酉演化来弥合这一鸿沟的数据驱动框架。该方法基于库普曼算子理论实现全局线性化，利用深度自编码器将系统状态映射到多层希尔伯特空间中。在线性化的嵌入空间内，状态表征被分解为模量与相位分量，其演化由一组仅作用于相位的酉库普曼算子控制。这些算子由对角线哈密顿量构成，其系数通过数据学习获得，该结构专为量子硬件的高效实现而设计。此架构支持直接多步预测，且算子计算复杂度随可观测空间维度呈对数增长。QKM在多种非线性系统中得到验证：对反应-扩散系统和剪切流的预测相对误差保持在6%以下，并能准确捕捉二维湍流的关键统计特征。该工作为量子加速模拟非线性现象建立了可行路径，探索了一个深度融合全局线性化的深度学习与酉动力学演化的量子算法的协同框架。