量子科技中心_量科网

提出了一种混合方法，利用量子机器学习代理模型来近似LBM的非线性碰撞动力学。该方法有效卸载了纯量子求解器难以处理的非酉操作。代理模型的表达能力建立在参数化量子电路实现部分傅里叶级数的基础上，通过数据重上传扩展了可表示频率的频谱。与以往采用固定松弛参数的方法不同，该代理模型无需重新训练即可恢复整个物理允许松弛范围内的完整Bhatnagar-Gross-Krook (BGK)碰撞动力学。作者通过将标准变分量子电路（VQC）指标（包括可表达性、纠缠度和有效维度）直接与任务特定的代理模型性能相关联，并识别出决定近似精度的关键架构参数，重新评估了这些指标的相关性。使用经典基准问题对所提出的代理模型进行验证，包括评估能量耗散的Taylor-Green涡流和评估剪切驱动不稳定性及非线性流动演化的双剪切层。结果表明，该混合模型在紧密复现经典解的同时，实现了高精度和泛化能力。这些发现表明，混合量子经典策略为实现量子计算在流体工程中的潜力提供了一条实用路径。