基于光滑粒子流体动力学的量子核网络层次结构
量子物理
2026-04-28 v1 计算物理
摘要
当前，量子计算和人工智能正在推动计算科学的革命性进展。本研究首次将量子核网络集成到光滑粒子流体动力学（SPH）中。SPH已成熟为一种高度灵活的无网格/粒子方法，尤其适合跟踪空间时间轨迹和动态建模现象。我们构建了基于改进量子多层感知器（QMLP）的拉格朗日量子网络模型层次结构。具体而言，构建了一个顺序混合量子-经典框架，利用传统概率输出的Pauli-Z期望值，以确保稳健的基于梯度的优化并缓解枯竭谷底。该框架将光滑核与量子学习相结合，建立了一种新颖的量子智能SPH范式。通过对持续基准测试验证了该框架，包括花果木型量子神经网络、静态多层星云涡旋干涉重建以及瞬态标量场输运测试。数值结果表明，尽管纯粹的初等量子电路在非结构化域中难以实现参数特定的泛化，但所提出的混合交叉QMLP在量子优化空间中无缝匹配经典SPH的拟合精度。尽管该方法目前在计算效率和硬件实现方面存在局限，但它为探索量子SPH的新范式铺平了道路，通过将非结构化拉格朗日粒子拓扑映射到集成量子电路中。
引用
@article{arxiv.2604.24159,
title = {A Novel Hierarchy of Quantum Kernel Networks on Smoothed Particle Hydrodynamics},
author = {Yudong Li and Wenkui Shi and Chunfa Wang and Zhihao Qian and Zhiqiang Feng and Moubin Liu},
journal= {arXiv preprint arXiv:2604.24159},
year = {2026}
}