論文の概要: Quantum Generative Models for Computational Fluid Dynamics: A First Exploration of Latent Space Learning in Lattice Boltzmann Simulations

• arxiv url: http://arxiv.org/abs/2512.22672v1
• Date: Sat, 27 Dec 2025 18:21:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.171199
• Title: Quantum Generative Models for Computational Fluid Dynamics: A First Exploration of Latent Space Learning in Lattice Boltzmann Simulations
• Title（参考訳）: 計算流体力学のための量子生成モデル:格子ボルツマンシミュレーションにおける潜在空間学習の最初の探索
• Authors: Achraf Hsain, Fouad Mohammed Abbou,
• Abstract要約: 本稿では,計算流体力学(CFD)データの潜在空間表現を学習するための量子生成モデルの最初の応用について述べる。 中心的な貢献は、この物理学に由来する潜在分布をモデル化するための量子的および古典的生成的アプローチの比較分析である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents the first application of quantum generative models to learned latent space representations of computational fluid dynamics (CFD) data. While recent work has explored quantum models for learning statistical properties of fluid systems, the combination of discrete latent space compression with quantum generative sampling for CFD remains unexplored. We develop a GPU-accelerated Lattice Boltzmann Method (LBM) simulator to generate fluid vorticity fields, which are compressed into a discrete 7-dimensional latent space using a Vector Quantized Variational Autoencoder (VQ-VAE). The central contribution is a comparative analysis of quantum and classical generative approaches for modeling this physics-derived latent distribution: we evaluate a Quantum Circuit Born Machine (QCBM) and Quantum Generative Adversarial Network (QGAN) against a classical Long Short-Term Memory (LSTM) baseline. Under our experimental conditions, both quantum models produced samples with lower average minimum distances to the true distribution compared to the LSTM, with the QCBM achieving the most favorable metrics. This work provides: (1)~a complete open-source pipeline bridging CFD simulation and quantum machine learning, (2)~the first empirical study of quantum generative modeling on compressed latent representations of physics simulations, and (3)~a foundation for future rigorous investigation at this intersection.
• Abstract（参考訳）: 本稿では,計算流体力学(CFD)データの潜在空間表現を学習するための量子生成モデルの最初の応用について述べる。 近年の研究では、流体系の統計的性質を学習するための量子モデルについて検討されているが、離散潜在空間圧縮とCFDのための量子生成サンプリングの組み合わせは未解明のままである。 ベクトル量子化変分オートコーダ (VQ-VAE) を用いて, 離散的な7次元潜在空間に圧縮された流体渦場を生成するためのGPU加速格子ボルツマン法 (LBM) シミュレータを開発した。 量子回路ボルンマシン(QCBM)と量子生成適応ネットワーク(QGAN)を古典的長短メモリ(LSTM)ベースラインに対して評価する。 実験条件下では,両モデルともLSTMよりも平均最小距離が低い試料を生成し,QCBMが最も好意的な測定値を得た。 この研究は、(1) - 完全なオープンソースパイプラインブリッジングCFDシミュレーションと量子機械学習、(2) - 物理シミュレーションの圧縮潜在表現に関する量子生成モデリングの最初の経験的研究、(3) - この交差点での厳密な研究の基礎を提供する。

関連論文リスト

• Quantum Simulation of Nuclear Dynamics in First Quantization [41.99844472131922]
  我々は、第1量子化において、完全なリードing Order (LO) ピオンレスハミルトニアン(英語版)を用いて核力学を研究するためのリソース要件を初めて完全に特徴づける。 低エネルギー核散乱の興味深いシミュレーションは、数千万のTゲートと数百の論理量子ビットで達成可能である。
  論文  参考訳（メタデータ） (2025-07-30T16:31:49Z)
• Quantum-assisted tracer dispersion in turbulent shear flow [0.0]
  乱流中のラグランジアントレーサ粒子の合成トラックに対する量子支援型生成アルゴリズムを提案する。 結合せん断確率密度関数の生成は、20量子ビットのIQM共振量子コンピューティングプラットフォームである実量子デバイス上で、最大10量子ビットの場合にもテストされる。
  論文  参考訳（メタデータ） (2025-06-17T14:43:54Z)
• Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
  この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。 本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。 提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
  論文  参考訳（メタデータ） (2025-04-17T15:41:48Z)
• Zephyr quantum-assisted hierarchical Calo4pQVAE for particle-calorimeter interactions [6.5401650510324965]
  モンテカルロシミュレーションに大きく依存している既存のアプローチは、年間数百万のCPUを必要とすると予測されている。 このボトルネックは、深い生成モデルと量子シミュレーションを統合することにより、計算物理学の進歩にエキサイティングな機会を与える。 本稿では,変分オートエンコーダ(VAE)と,モデルの潜在空間に予め埋め込まれたエネルギー条件付きボルツマンマシン(RBM)を組み合わせた量子支援型階層型深部生成サロゲートを提案する。
  論文  参考訳（メタデータ） (2024-12-06T00:23:12Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Simulating unsteady fluid flows on a superconducting quantum processor [23.24560103938476]
  本稿では, 量子符号化, 進化, 流れ状態の検出を含む非定常流れのディジタルシミュレーション実験について報告する。 この研究は、現実的な応用のために乱流のようなより複雑な流れをシミュレートする量子コンピューティングの可能性を示す。
  論文  参考訳（メタデータ） (2024-04-24T13:45:43Z)
• Large-scale simulations of Floquet physics on near-term quantum computers [0.3252295747842729]
  本稿では,量子ハードウェア上で高速駆動型量子システムをシミュレートするためのQHiFFSアルゴリズムを提案する。 QHiFFSの中心はキック演算子の概念であり、力学が時間に依存しない実効ハミルトニアンによって支配される基底となる。
  論文  参考訳（メタデータ） (2023-03-03T20:45:01Z)
• A performance characterization of quantum generative models [35.974070202997176]
  量子生成モデリングに使用される量子回路を比較する。 2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。 確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
  論文  参考訳（メタデータ） (2023-01-23T11:00:29Z)
• Quantum Generative Adversarial Networks in a Continuous-Variable Architecture to Simulate High Energy Physics Detectors [0.0]
  連続可変量子計算に用いる新しい量子GAN(qGAN)のプロトタイプを導入し,解析する。 量子と古典的判別器を備えた2つのCV qGANモデルを用いて、小型でカロリーの出力を再現する実験を行った。
  論文  参考訳（メタデータ） (2021-01-26T23:33:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。