基于本征正交分解的问题特定基量子态读出
量子计算是一种有望加速求解大规模实际问题的偏微分方程求解器的技术。然而,从量子态重构解的经典表示仍然是一个重大瓶颈。该团队提出了一种针对特定问题的方法,称为基于本征正交分解的读出方法(PODR),通过预计算解的特征信息来提高读出效率。该方法包括离线阶段和在线阶段。在离线阶段,利用经典计算从代表性解数据中构建一组表示目标问题主导特征的基础函数。在在线阶段,量子态被投影到该降阶基上,仅提取最小的一组权重系数来重构解。由于离线阶段只需执行一次,所提出的PODR方法尤其适用于常见于计算流体动力学(CFD)中的变参数模拟。此外,该团队将该方法应用于流体动力学基准问题,并证明与传统读出方法相比,PODR显著减少了在线阶段的测量次数和计算资源。

