量子科技中心_量科网

当前，量子计算与人工智能正推动计算科学领域的革命性进步。本研究开创性地将量子核网络融入平滑粒子流体动力学（SPH）方法。SPH已发展成为一种高度通用的无网格/粒子方法，特别适用于时空轨迹追踪与动态建模现象。该团队基于改进型量子多层感知器（QMLP），开发了层次化拉格朗日量子网络模型。具体而言，研究构建了序贯式混合量子-经典框架，利用泡利-Z期望值替代传统概率输出，确保基于梯度的稳健优化并缓解贫瘠高原问题。该框架将平滑核函数与量子学习相结合，建立了全新的量子智能SPH范式。通过广谱量子神经网络的连续基准测试、静态多级星云涡旋干涉重构及瞬态标量场平流测试，验证了其有效性。数值结果表明：尽管纯基础量子电路在非结构化域中难以实现参数特异性泛化，但所提出的混合交叉QMLP在量子优化空间中无缝匹配了经典SPH的拟合精度。尽管该方法目前在计算效率与硬件实现方面存在局限，但通过将非结构化拉格朗日粒子拓扑映射至集成量子电路，为量子SPH研究开辟了新路径。