量子 PDE 求解总览

把一个偏微分方程（PDE）交给量子计算机，现有的全部方案可以归入三大范式：先离散再解线性系统（HHL/VQLS 系）、把时间演化当作算符模拟（Hamiltonian 模拟、Carleman 线性化、Schrödinger 化）、变分地猜试探函数（代价最小化）。这一分类框架由 Sanavio–Succi 的教学综述Sanavio & Succi 2024 (IntechOpen)与 Tennie 等的 Nature Reviews Physics 综述Tennie et al. 2025 (NRP)系统给出。本词条给出三范式的机制推导、适用条件与资源画像对比，并充当本分类 12 个词条的导航。

图:物理-计算平面四象限——CC/CQ 是经典计算的主场,QQ 是 Feynman 论证的对象,量子 CFD 位于 QC 象限(来源:QC001)

范式一：离散 → 线性系统 → 量子线性求解

大多数 CFD 内核最终落在 $A\vec{x}=\vec{b}$：隐式时间步进、压力泊松投影、定常问题的 Newton 迭代都产生大型稀疏线性系统。范式一的流程是：空间离散（有限差分/有限元/有限体积）得到 $N\times N$ 矩阵 $A$，用hhl或其现代后继（块编码 + QSVT，见block-encoding）求解，输出解的量子态 $|x⟩\propto A^{-1}|b⟩$，再对关心的泛函（阻力、通量、统计矩）做测量。

以泊松方程 $-\Delta u=f$ 的 7 点差分格式为例，离散矩阵可写成 Kronecker 和 $L_h\otimes I\otimes I+I\otimes L_h\otimes I+I\otimes I\otimes L_h$，其一维块由正弦变换对角化——这正是量子相位估计能”看到”特征值 ${\lambda }_j=4{\sin }^2(j\pi /2M)$ 的原因（推导见quantum-poisson-solver）。复杂度画像：查询复杂度 $\tilde{O}(\kappa \mathrm{polylog}(N,1/ϵ))$（QSVT 时代），对 $N$ 指数优于经典的 $O(N)$；但三个前提必须同时成立——$A$ 稀疏且元素可高效计算、$|b⟩$ 可高效制备（见state-preparation）、只需少量泛函而非全场（读出瓶颈，见io-problem）。条件数 $\kappa$ 随网格细化增长（有限元下 $\kappa =O(N^{2/d})$）会吞噬指数优势，预条件因此成为工业落地的关键（见quantum-multigrid）。

范式二：时间演化 → 算符模拟

把 ${\partial }_{t}u=\mathcal{L}u$ 的时间推进视为算符 $e^{\mathcal{L}t}$ 的作用。当 $\mathcal{L}$ 反厄米（波动、对流）时演化天然酉，可直接做Hamiltonian 模拟；当 $\mathcal{L}$ 厄米或耗散（热方程）时 $e^{\mathcal{L}t}$ 压缩范数、非酉，需要酉化——辅助比特的 LCU 后选择，或 warped phase 变换的Schrödinger 化：令 $w=e^{-p}u$ 抬升一维，对 $p$ 做 Fourier 变换后得到解耦的实时间薛定谔方程组 $i{\partial }_t\tilde{w}=\eta (-\Delta +V)\tilde{w}$Jin et al. 2024 (PRL)。非线性项（$\mathbf{u}\cdot \nabla \mathbf{u}$）则先经Carleman 线性化等手段嵌入线性系统再模拟（见nonlinear-pde-quantum）。输出是 $t=T$ 时刻解的量子态；复杂度对模拟时间 $T$ 近线性，但受不可快进定理约束——实部谱隙、非正规性都会强制查询数随 $T$ 指数或多项式增长An et al. 2025 (CMP)。

范式三：变分 → 试探函数 + 代价最小化

不构造演化算符，而是参数化试探解 $u(x;\theta )$——把基函数系数编码进变分量子线路（VQC）的参数，用 PDE 残差或能量泛函构造代价函数 $C(\theta )$，在经典优化器上最小化。代表是 Lubasch 等的非线性问题变分算法Lubasch et al. 2020 (PRA)（多副本态直接算非线性泛函）与 Paine 等在 Chebyshev 基潜空间中的物理信息变分求解Paine et al. 2023 (arXiv)（见quantum-spectral-method、variational-pde-solver）。线性系统版本 vqls 是 NISQ 量子 CFD 的事实标准内核。该范式不需要容错、线路浅，但无渐近保证：收敛性依赖 ansatz 表达力与代价函数地貌（贫瘠高原风险），且每步优化要大量线路执行。

三范式对比

维度	线性系统（HHL/QSVT/VQLS）	演化模拟（Hamiltonian/Carleman/Schrödinger 化）	变分（试探函数）
输入	$A$、$|b⟩$（离散后）	初态 $|u_0⟩$、算符 $\mathcal{L}$	基函数族 + 边界/初值条件
输出	$|x⟩$ 或其泛函	$|u(T)⟩$ 或其泛函	经典参数 ${\theta }^{\text{*}}$（可全场重构）
适用方程	椭圆/稳态、隐式步、线性化后 NS	波动、对流、扩散、线性化后非线性	低维、光滑解、边界层外推
量子资源画像	容错级：$\tilde{O}(\kappa \mathrm{polylog}N)$ 查询 + 深线路；VQLS 为 NISQ 浅线路	对 $T$ 近线性、$\mathrm{polylog}(1/ϵ)$（Taylor/Schrödinger 化路线）	NISQ 可行，但优化迭代次数无保证
主要瓶颈	态制备、读出、$\kappa$ 增长	不可快进、CFL 步数、Carleman 维数	贫瘠高原、表达能力、精度无证书

关键判断规则：稳态/椭圆问题走范式一（无 $T$ 因子，泊松与有限元分析最成熟）；传播主导的线性问题走范式二（波动、对流天然酉，见quantum-wave-equation、quantum-advection-equation）；非线性且规模小走范式三；非线性 + 长时间演化是三范式共同的硬骨头——端到端分析显示其优势至多多项式（见nonlinear-pde-quantum、quantum-advantage-debate）。

图:Tennie 等综述提出的"非线性求解器↔硬件平台"配对建议——变分法配超导、模拟演化配俘获离子/中性原子等(来源:QC009)

本分类谱系

词条	归属范式	一句话定位
quantum-poisson-solver	一	CFD 线性代数内核的量子求解（Cao 线路、SPAI 预条件、VQLS）
quantum-fem	一	有限元离散 + 量子求解的复杂度理论（Montanaro–Pallister）
quantum-spectral-method	一/三	Fourier/Chebyshev 基与 QFT 的天然匹配
quantum-multigrid	一	条件数灾难的对策：量子 V-cycle 与块编码预条件
quantum-heat-equation	二	扩散方程的酉化（Schrödinger 化电路实现）
quantum-advection-equation	二	平移结构天然酉：对流、迎风格式与流送算子
quantum-wave-equation	二	酉演化的原型：QFT 对角化 + NISQ 真机演示
quantum-navier-stokes	一/二/三	NS 全家谱：Gaitan、QFlowS、Song、本源混合框架
quantum-vorticity-streamfunction	一/二	消去压力的经典入口及其量子实现
quantum-burgers	一/二/三	非线性测试床上的五家方案对比
nonlinear-pde-quantum	通论	三条线性化路线、快进下界与端到端有界优势

相邻分类：线性代数原语见hhl、block-encoding、vqls、quantum-linear-ode；非线性嵌入见carleman-linearization、schrodingerization、koopman-quantum；格子玻尔兹曼路线独立成卷（quantum-lbm-overview）；数据驱动方法见quantum-pinn。

延伸阅读

• qcfd-overview
• four-quadrants
• qcfd-taxonomy
• quantum-poisson-solver
• quantum-navier-stokes
• nonlinear-pde-quantum