量子科技中心_量科网

该研究团队针对一维Burgers方程模拟，提出了量子张量网络(QTN)、流体动力学薛定谔方程(HSE)以及物理信息神经网络(PINN)的对比基准测试。通过与传统GMRES方法和谱方法基线进行比较，研究人员分析了从N=4到N=128网格分辨率下的求解精度、运行时缩放特性和资源开销。结果表明三类方法呈现明显的性能层级：QTN求解器凭借纠缠压缩技术捕捉激波前沿，以近乎恒定的运行时缩放实现了最优精度(L2∼10−7)；有限差分HSE方法保持稳健性，而谱HSE方法在高分辨率(N=128)下出现灾难性数值失稳；无网格PINN求解器虽具灵活性，但因谱偏差问题其精度(L2∼10−1)显著低于网格方法。该工作最终证实：尽管量子方法在低分辨率流体动力学建模中展现出新颖的表征优势，但在缺乏容错能力或非线性反馈处理算法突破的前提下，当前仍无法超越经典求解器的计算效能。