量智信息中心_量科网

求解大规模稀疏线性系统是一项具有挑战性的计算任务，主要源于非零元素（即“填充元”）的引入。图划分问题（GPP）在最小化填充元和加速求解器时自然显现。本研究通过将量子GPP求解器集成至Synopsys/Ansys公司的LS-DYNA多物理场仿真软件，测量了用于加速有限元分析（FEA）的混合量子-经典框架的端到端性能。该团队采用的量子求解器基于迭代量子近似优化算法（Iterative-QAOA）——一种可扩展、非变分的量子优化方法。研究聚焦于振动（特征模态）分析和瞬态仿真这两类特定FEA问题，报告了在英伟达CUDA-Q/cuTensorNet平台上进行的150量子位数值模拟，以及在IonQ Forte量子硬件上的实现效果。 通过测量复杂问题实例的挂钟求解时间（包括轿车和劳斯莱斯喷气发动机大型有限元模型的振动分析，以及钻头和叶轮的瞬态仿真），该工作量化了对LS-DYNA工作流的潜在影响。研究人员在包含3500万个单元的网格上进行了端到端性能测量，测试通过AWS和Synopsys计算集群上基于消息传递接口（MPI）的分布式内存模式LS-DYNA完成。结果表明：在特定案例中，引入量子计算机可使LS-DYNA的摊销挂钟时间最高提升15%，所有测试模型至少获得7%的加速。这些发现凸显了在含噪声中等规模量子（NISQ）时代，量子计算显著缩短大规模FEA仿真求解时间的潜力，该方法不仅具备可扩展性，还可延伸至容错量子计算领域。