Квансиент и Хайку провели 15-шаговое нелинейное квантовое моделирование жидкости.

      Новый квантовый алгоритм выполнил 15-шаговое нелинейное моделирование жидкости вокруг твердого препятствия на реальном квантовом оборудовании, что является наиболее физически сложной публично задокументированной демонстрацией своего рода. Эта техника снижает требования к кубитам и глубину цепи, приближая промышленные приложения CFD к осуществимости. Финская компания по моделированию Quanscient и разработчик квантового промежуточного программного обеспечения Haiqu продемонстрировали то, что они описывают как наиболее физически сложное моделирование квантовой вычислительной гидродинамики, выполненное на реальном оборудовании. Обе компании провели 15-шаговое нелинейное моделирование жидкости вокруг твердого препятствия, где жидкость течет вокруг формы, что является актуальной задачей для проектирования крыльев самолетов или аэродинамики транспортных средств, на квантовом компьютере IBM Heron R3, используя новый алгоритм, который они разработали вместе, называемый Методом Упрощенного Латтисного Больцмана за Один Шаг (OSSLBM). Вычислительная гидродинамика, или CFD, является одной из самых ресурсоемких областей инженерного моделирования. Моделирование того, как жидкости ведут себя вокруг сложных форм, требует огромной вычислительной мощности классических компьютеров, и требования растут нелинейно по мере усложнения симуляций. Квантовые вычисления давно теоретизировались как потенциальный путь к симуляциям за пределами классических ограничений, но превращение этого потенциала в практику сдерживалось огромным количеством кубитов и глубиной цепи, длиной квантового вычисления, необходимой для выполнения даже умеренно сложных сценариев без того, чтобы вычисления не были подавлены ошибками. Алгоритм OSSLBM решает эту проблему напрямую. Построенный на основе квантового метода Латтисного Больцмана (QLBM), установленного подхода к отображению классических уравнений жидкости на квантовые вычисления, новая структура снижает вычислительные затраты на каждый шаг, позволяя более длинной многошаговой симуляции оставаться в пределах того, что текущее квантовое оборудование может надежно выполнять. Промежуточный слой Haiqu был центральным в этом: он снизил глубину цепи, разработал новые алгоритмические подпрограммы и применил целенаправленные техники снижения ошибок, которые позволили системе завершить рабочий процесс, который в противном случае был бы недоступен для современных устройств. Значение результата заключается в препятствии. Предыдущие демонстрации квантовой CFD в значительной степени сосредоточились на более простых линейных сценариях, поведении жидкости без осложнений взаимодействия с твердой границей. Моделирование того, как жидкость движется вокруг объекта, является предпосылкой для любого промышленно значимого применения. Профессор Александр Кирийенко, заведующий кафедрой квантовых технологий в Университете Шеффилда, описал эту работу как «интересный и своевременный вклад в квантовую CFD», добавив, что необходимо больше исследований такого рода для достижения промышленно значимых квантовых решений. Quanscient и Haiqu сотрудничают в области квантовой CFD как минимум с 2024 года, когда они стали финалистами в конкурсе Airbus и BMW Quantum Mobility Challenge, и ранее продемонстрировали работу на оборудовании IonQ через Amazon Braket. Промышленные приложения остаются в нескольких годах; текущая работа является исследовательским этапом, устанавливающим, что этот подход осуществим на текущем оборудовании на этом уровне сложности.