不把方程交给量子算符、而把数据交给量子模型——用变分线路承载解、用量子储备池预测时间序列、用量子核分类流态、用量子生成模型学分布,或者反过来,把量子多体的张量网络搬来压缩流场。这一卷覆盖量子机器学习与 CFD 交集的全部板块:其中变分与 QPINN 两支在 3D 复杂几何上已有实证,张量网络一支则已产出数个量级的实用收益,而量子优势的判定仍是悬在每个词条头上的问题。建议先读版图与批判,再按兴趣入各专题。
本卷共 10 个词条:
| 词条 | 读完能回答 |
|---|---|
| QML×CFD 版图与批判 | 2025 综述的三大板块(VQA/QPINN/张量网络)谱系;数据编码为何是公共税;量子优势评估的四问清单;NISQ 时代”已兑现的不量子、量子的未兑现”判断。 |
| 量子物理信息神经网络 | DQC 逐点模型与参数移位;潜空间重叠损失如何免掉逐网格点求值、非线性为何只花 O(N+p);HQPINN 的 3D 圆柱/Y 型混合器实证与 21% 损失下降;四条实现路径。 |
| 变分量子 PDE 求解 | QNPU 多副本如何测非线性泛函;M 格点进 log M 比特的多网格重正化;χ₉₉∝Re^0.71 标度支撑的多项式 Re 优势论据及其三个经验环节。 |
| 量子储备池计算与湍流 | echo state 与线性读出为何免梯度;Ising 哈密顿量储备池;时间多路复用让五模 Galerkin 湍流 VPT 提升两个数量级;R-B 对流 ROM 与经典储备池同精度、规模小 4-8 倍。 |
| 量子增强 MCMC | 淬火 Ising 提议如何满足对称性从而保住详情平衡;“远跳且低能变”机理;自旋玻璃立方-四次幂加速;为何流体 UQ 是天然场景却尚无应用。 |
| 量子核方法与流场 | 量子特征图与核 ⟨φ(x)|φ(x’)⟩;QSVM 对偶的 QUBO 化;D-Wave qSVM 翼型分离判别 +11.1%/攻角分类 +17.9%;dequantization 风险与”编码决定表达力”。 |
| 量子生成模型与湍流 | QCBM 的 Born 分布与 MMD² 损失;qGAN 对抗结构;VQ-VAE 潜空间上 QCBM 为何胜过 QGAN 与 LSTM;作者自己列出的五条竞争性解释。 |
| 量子退火与 CFD | 连续问题定点编码成 QUBO 的三步与精度-规模挤兑;DMD 推进的退火/QAOA 化(圆柱 Re=220、NACA0009);为何组合优化子问题才是退火的正确位置。 |
| 量子降阶模型 | QPOD 的变分量子本征求解与 O(N²);QDKL 的量子深核与可证 Jacobian 界;方腔/圆柱/锁交换 Re=4000 上 10 倍训练提速;与 DMD-QUBO、多网格编码的三入口对照。 |
| 量子启发张量网络与流体 | quantics 表示如何把长度尺度装进比特链;湍流 PDF 的 MPS 演化数个量级加速;GP 方程量子湍流 2048³ 直接演化;纠缠+魔法双度量如何判定哪些流场数据”最量子”。 |