多重网格是经典 CFD 解椭圆问题的 最优武器（见multigrid）；量子侧需要它的原因恰恰相反——量子线性求解器败给条件数。有限元矩阵 随网格加密恶化（见quantum-fem），QSVT 求逆的查询数 ，指数优势被吞掉。两条对策构成本词条：Raisuddin–De 把整个 V-cycle 量子化Raisuddin & De 2024 (arXiv)，Lapworth–Sünderhaaf 把经典预条件子装进块编码Lapworth & Sünderhaaf 2025 (QST)——后者出自 Rolls-Royce，动机就是航空发动机 CFD。
经典多重网格回顾
V-cycle 的三段式（见multigrid）：细网格上 步预平滑（压高频误差）→ 残差限制到粗网格递归求解 → 延拓回细网格做粗网格校正 → 步后平滑。误差在每层只留光滑分量，粗一层看它就是高频——各层各收一刀，总工作量 。量子化的全部难点在于：迭代是顺序过程，每步的残差、内积、校正都依赖上一步的经典数据。
量子 V-cycle：迭代序列的振幅编码
Raisuddin–De 的 qMG 把 V-cycle 的整条算子序列逐级作用在量子态上：预平滑（Gauss-Seidel/Richardson 型）→ 具 Galerkin 性质的限制/延拓算子 、 → 粗网格校正 → 后平滑， 个 V-cycle、 层网格的总块数为
关键设计：末态的子空间编码了各代迭代解，最终迭代的相对误差为 （ 为初猜误差）——即 qMG 能利用初始猜测改进解，这恰是 QLSA 做不到的（原文明确指出”QLSA 无法利用解的初始猜测”）。复杂度： 时间与量子比特，对 指数优势；各级算子经块编码实现，平滑迭代对正定系统不需要内积计算——绕开了量子态内积必须测量、会破坏相干的老大难Raisuddin & De 2024 (arXiv)。
数值验证覆盖一维两个工况与二维五种边界条件（不同 、层数 、V-cycle 数），相对误差降至 所需的额外量子比特倍数随 增长温和。限制照旧在读出：提取最终迭代高效，提取整个迭代序列可能低效——读出瓶颈的又一个变体（见readout-strategies）。
块编码预条件：CFD 矩阵的工程账
Lapworth–Sünderhauf 面向的是 QSVT 时代的现实：求解器需要矩阵 的块编码 ，而编码引入的次归一化（subnormalisation）会抬高有效条件数、抵消 的改善。他们系统比较了两条预条件路线Lapworth & Sünderhaaf 2025 (QST)：
- 分别编码 、 再量子乘法——次归一化因子相乘爆炸，pre-amplification 只能部分缓解；
- 经典先算乘积 再整体编码——更优，SPAI 预条件 + 乘积编码的组合胜出。
四种候选预条件子：SPAI（稀疏近似逆，含 infill 层数解析式如对角带数 型公式）、TPAI（Toeplitz 近似）、CLAI（循环矩阵 ，可用 QFT 实现——与谱方法对角化同源，见quantum-spectral-method）、DS（对角缩放， 经典预处理）。在真实 CFD 矩阵（含 算例）上，带 infill 的 SPAI + 经典乘积编码显著改善有效条件数；配合新提出的矩阵过滤技术，示例 CFD 矩阵的 QSVT 相位因子数减少 25 倍——直接折算成电路深度的工程收益Lapworth & Sünderhaaf 2025 (QST)。
这条线的技术谱系回溯到 Clader 等的 SPAI 方案（2013，见quantum-poisson-solver）——从 HHL 时代到块编码时代，“量子线性求解要用在 CFD 上必须先做预条件”这一工程判断 12 年未变。
迭代法视角与定位
第三条相关线索是 Williams 等的量子迭代法（量子 Jacobi/Gauss-Seidel，LCU 编码迭代轨迹，见quantum-iterative-methods）：他们明确把”量子机执行多重网格型计算”列为愿景——迭代法家族（qMG + 量子 Jacobi + 量子 Krylov）与 QLSA 家族构成两条并行路线，前者的卖点是可用初猜改进与避免直接对大 矩阵求逆，后者卖点是单次求解的查询最优性Williams et al. 2024 (arXiv)。与经典多重网格的诚实对比仍是：经典 MG 且高度工程化，量子侧的 polylog 优势要跨过块编码成本、读出限制与预条件的经典预处理（DS 的 ）才能兑现——量子多重网格的现实定位是”让 QLSA 在细网格上仍可用”，而非替代经典 MG 的地位。