論文の概要: Quantum-enhanced Markov chain Monte Carlo sampling to model Lagrangian tracer dispersion in turbulent boundary layer
- arxiv url: http://arxiv.org/abs/2606.15985v1
- Date: Sun, 14 Jun 2026 19:23:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 09:41:10.730012
- Title: Quantum-enhanced Markov chain Monte Carlo sampling to model Lagrangian tracer dispersion in turbulent boundary layer
- Title（参考訳）: 乱流境界層におけるラグランジアントレーサ分散のモデル化のための量子化マルコフ連鎖モンテカルロサンプリング
- Abstract要約: 連接ターゲット分布から乱流加速ベクトルをサンプリングするために,量子強化チェーンモンテカルロ(QE-MCMC)法を提案する。
均一せん断速度Sを特徴とする均質せん断流れを出発点とする。
摩擦レイノルズ数Re_tau = 1000の平面乱流流の両端に発生する乱流境界層を考察する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a quantum-enhanced Markov chain Monte Carlo (QE-MCMC) method to sample turbulent acceleration vectors from a joint target distribution that depends on all three components and height to model the transport and dispersion of massless Lagrangian tracer particles in two turbulent shear flows. A homogeneous shear flow, characterized by a uniform shear rate S, is considered as the starting point. Secondly, a turbulent boundary layer, which forms in both halves of a plane turbulent channel flow at friction Reynolds number Re_tau = 1000, is considered, where the mean shear rate S(y) varies with distance from the wall y. In this hybrid quantum-classical method, the proposal distribution Q for the first of two Metropolis-Hastings sampling substeps is constructed by a parametric quantum circuit. The algorithm generates synthetic tracer particle tracks. The resulting scaling laws for tracer-particle pair dispersion, a central quantity to probe turbulent mixing from a Lagrangian perspective, agree with a stochastic transport model consisting of coupled Langevin equations and with the classical MCMC counterpart. Differently from the classical sampling method, QE-MCMC uses a tempered target distribution. Due to the height dependence of the tracer dynamics in turbulent channel flow, an effective height-weighted spectral gap between the first and second eigenvalue of the Markov-chain transition matrix is introduced. The latter is found to significantly exceed the one of classical MCMC when sampling from a multivariate distribution with cross-correlations at the highest qubit numbers and thus resolutions. Consequently, our results support the applicability of this one-shot algorithm as a generative Lagrangian quantum-computing module, possibly embedded in a complex fluid-flow problem. Our module is found to work reliably for a relatively small number of qubits per spatial dimension of Nq <= 6.
- Abstract（参考訳）: 本稿では,3つの成分と高さに依存する連成ターゲット分布から乱流加速ベクトルをサンプリングし,2つの乱流せん断流中における無質量ラグランジアントレーサー粒子の輸送と分散をモデル化するための量子化マルコフ連鎖モンテカルロ(QE-MCMC)法を提案する。
均一せん断速度Sを特徴とする均質せん断流れを出発点とする。
第二に、レイノルズ数Re_tau = 1000における平面乱流流の流れの両端に発生する乱流境界層は、壁yからの距離によって平均せん断速度S(y)が変化すると考えられる。
このハイブリッド量子古典法では、2つのメトロポリス・ハスティングスサンプリングサブステップのうちの1番目の提案分布Qをパラメトリック量子回路で構成する。
このアルゴリズムは合成トレーサー粒子トラックを生成する。
ラグランジアンの観点から乱流混合を探索する中心となるトレーサー粒子対分散のスケーリング法則は、結合したランゲヴィン方程式と古典的なMCMC方程式からなる確率的輸送モデルに一致する。
古典的なサンプリング法とは違って、QE-MCMCはテーパされたターゲット分布を使用する。
乱流中におけるトレーサーダイナミクスの高度依存性から,マルコフ鎖遷移行列の第1値と第2値の有効高重みスペクトルギャップが導入された。
後者は、最も高い量子ビット数で相互相関を持つ多変量分布からサンプリングする際、古典的MCMCをはるかに上回っている。
その結果, このワンショットアルゴリズムを, 複雑な流動問題に埋め込まれた生成ラグランジュ量子計算モジュールとして適用可能であることを確認した。
我々の加群は Nq <= 6 の空間次元当たりの比較的少数の量子ビットに対して確実に機能する。
関連論文リスト
- Intrinsic Flow Matching on Quantum Pure-State Manifolds with Phase-Aligned Transport [31.082191748525137]
Intrinsic Flow Matching (IFM) は,固有速度場を学習する$mathbbCPd-1$上の決定論的トランスポートフレームワークである。
IFMは局所的なスコアと逆時間サンプリングを多様体の確率フローに置き換え、水平パラメータ化は周囲の方向を除去する。
IFMは、高量子、マルチモーダル、スピンコヒーレント、物理インスパイアされた、振幅エンコードされたMNISTイメージベクターベンチマークにまたがる周囲ユークリッドフローよりも、しばしば改善される。
論文 参考訳（メタデータ） (2026-06-19T09:32:21Z) - Divide-and-Conquer Neural Network Surrogates for Quantum Sampling: Accelerating Markov Chain Monte Carlo in Large-Scale Constrained Optimization Problems [2.9436347471485558]
量子強化マルコフ連鎖(英語版)として知られる1つのアプローチは、ターゲット分布への収束を加速するために量子サンプルを提案分布として利用する。
本研究では,ハミング重み制約下でのMCMCの高速化を目的とした量子サンプリングのための分量子ニューラルネットワークサロゲートフレームワークを提案する。
従来のペアフリップ法よりも約20.3ドル,7.6ドル程度の速さで自己相関崩壊速度が一定に向上した。
論文 参考訳（メタデータ） (2026-04-22T15:44:30Z) - Comparison of the standard and dressed-picture master equations for the quantum Rabi model in the ultrastrong coupling regime [78.55450146498553]
この章は、超強結合状態における量子ラビモデルに対する緩和と脱落の影響について考察する。
これは、結果の非単体力学を実装し、数値的に解くための明示的な公式を提供する。
論文 参考訳（メタデータ） (2026-04-10T01:22:07Z) - Universal classical and quantum fluctuations in the large deviations of current of noisy quantum systems: The case of QSSEP and QSSIP [2.035631599424874]
ノイズ量子拡散系における積分電流の変動統計について検討する。
積分電流の累積生成関数は大規模に、大きな偏差原理に従うことを示す。
我々は、現在の統計に先行する有限サイズ補正を同定する。
論文 参考訳（メタデータ） (2026-01-23T16:45:31Z) - Quantum Generative Models for Computational Fluid Dynamics: A First Exploration of Latent Space Learning in Lattice Boltzmann Simulations [0.0]
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。
論文 参考訳（メタデータ） (2025-12-27T18:21:09Z) - 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) - Scalable Equilibrium Sampling with Sequential Boltzmann Generators [60.00515282300297]
Boltzmannジェネレータフレームワークを2つの重要なコントリビューションで拡張する。
1つ目は、全原子カルテシアン座標で直接動作する非常に効率的なトランスフォーマーベースの正規化フローである。
特に,連続モンテカルロの連続時間変種を用いて,流れサンプルの推論時スケーリングを行う。
論文 参考訳（メタデータ） (2025-02-25T18:59:13Z) - Wasserstein Quantum Monte Carlo: A Novel Approach for Solving the
Quantum Many-Body Schr\"odinger Equation [56.9919517199927]
ワーッセルシュタイン量子モンテカルロ (WQMC) はフィッシャー・ラオ計量ではなくワーッセルシュタイン計量によって誘導される勾配流を用いており、テレポートではなく確率質量の輸送に対応する。
我々は、WQMCの力学が分子系の基底状態へのより高速な収束をもたらすことを実証的に実証した。
論文 参考訳（メタデータ） (2023-07-06T17:54:08Z) - Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent
and Incoherent Photons Found with Gradient Search [77.34726150561087]
我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。
我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
論文 参考訳（メタデータ） (2023-02-28T07:36:02Z) - Dilute neutron star matter from neural-network quantum states [58.720142291102135]
低密度中性子物質はクーパー対の形成と超流動の開始によって特徴づけられる。
我々は、モンテカルロ変分法と再構成技術を組み合わせた隠れ核量子ネットワーク量子状態の表現性に乗じて、この密度構造をモデル化する。
論文 参考訳（メタデータ） (2022-12-08T17:55:25Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳（メタデータ） (2021-02-04T02:21:08Z)
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。