三大板块的谱系
| 板块 | 核心机制 | 流体代表工作 | 详见 |
|---|---|---|---|
| VQA / QNPU | 多副本变分态测物理泛函，经典优化器调参 | Burgers、Kuramoto–Sivashinsky、VQCFD 框架（QC026/QC005） | variational-pde-solver |
| QPINN | 量子模型承载解表示，残差/重叠损失训练 | 潜空间求解器（QC058）、HQPINN 3D CFD（QC057） | quantum-pinn |
| 量子启发 TN | 把流场/方程当量子态压缩，纯经典执行 | 湍流 PDF 的 MPS 演化、quantics MPS 量子湍流 | tensor-network-fluids |
值得注意的结构性事实：前两个板块的”量子性”最终落在变分线路的表示力与训练效率上，第三板块甚至不要求量子硬件——它是量子计算的概念（纠缠、低秩、希尔伯特空间）反哺经典算法。综述对张量网络 CFD 求解器总结出四步法范式：离散化 → 张量化（编码为 TN）→ 时间演化（TN 上的算符作用）→ 解码（重构经典场），并引用了数个量级内存/运行时间缩减的实证——这是三大板块中唯一已有可复现实用收益的一支。
围绕三大板块，流体场景下还散布着四类”外围”方法，各自独立成词条：量子储备池计算的湍流时间序列预测（quantum-reservoir-computing）、量子核方法的气动分类（quantum-kernel-methods）、量子生成模型的潜空间分布学习（quantum-generative-models）、量子退火解工作流中的组合优化子问题（quantum-annealing-cfd）与量子增强采样的展望（quantum-mcmc）。
数据编码瓶颈：所有路线的公共税
QML 的输入 （流场特征、坐标、工况参数）必须编码进量子态，而编码的成本结构很不友好：
- 角度编码（ 逐分量旋转）需要与特征维数同数的量子门，浅但表达力受限——特征图等价于三角多项式类；
- 幅值编码（）一个比特装一维特征，但通用态制备需要 个门（见state-preparation）——输入规模指数级反噬。
CFD 的场数据天然高维（一个快照即 以上自由度），编码成本可能超过量子内核省下的计算。这与容错量子算法中的同一问题（HHL 的态制备隐含假设）同构，见io-problem的统一讨论。综述对 QPINN 路线的相应注记是：编码决定模型能表示的函数类，“数据编码决定表达能力”——选择什么样的特征图，往往比选择什么样的变分块更影响最终精度。
量子优势评估框架
综述隐含的优势评估清单可以显式化为四问：
- 基线是什么——与经典最优方法（不是旧方法）比：QPINN 要对的不只是经典 PINN，还有 GPU 上的谱元/有限体积求解器；
- 能否被经典模拟——量子核与浅线路模型存在 dequantization 风险：低纠缠或浅特征图的量子模型常可被经典张量网络或核近似高效复现（见quantum-kernel-methods）；
- 端到端成本——训练的测量次数、读出统计、经典-量子数据搬运是否吞掉内核增益（见readout-strategies）；
- 可训练性——变分参数增多时的贫瘠高原与优化噪声。
按这个清单，目前板块内没有任何工作在流体问题上同时通过四问；通过 1–2 问的（HQPINN 的参数效率、TN 的量级压缩）分别属于混合与经典可执行路线。
NISQ 时代的判断
综述的结论性判断可以概括为三条。其一，完全量子的湍流模拟在 NISQ 时代不可及：既缺足够多、也缺足够好的量子比特，真实湍流的时空尺度（见turbulence-simulation的成本标度）远超当前硬件的相干能力。其二，近期最有希望的是张量网络混合路线：TN 已在含湍流的问题上给出数个量级的内存/速度收益，且不依赖硬件进步——它把”量子启发的表示论”当成了可立刻兑现的工程资产。其三，QPINN/混合架构是中期候选：参数效率与表达力的证据（如上图的 321 对 1341 参数、精度翻倍）来自仿真，真机验证与优势判定仍缺。
对这张版图的批判性注记：综述本身也承认证据分布不均——VQA/QPINN 板块的”成功”几乎全部在可经典仿真的小规模上取得，而 TN 板块的收益虽真实、却与量子计算没有硬件依赖关系。换言之，“QML×CFD”领域中已兑现的部分不量子、量子的部分尚未兑现——这句话既是批判，也是对下个阶段（真机规模的 HQPINN、硬件上的 QRC）的准确日程表。