論文の概要: Quantum-Inspired Computational Fluid Dynamics for Transient Turbulent Compressible Flows
- arxiv url: http://arxiv.org/abs/2608.26995v1
- Date: Thu, 27 Aug 2026 11:42:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.374788
- Title: Quantum-Inspired Computational Fluid Dynamics for Transient Turbulent Compressible Flows
- Title（参考訳）: 過渡乱流圧縮性流れに対する量子インスパイアされた計算流体力学
- Authors: Shang Xian Matthew Lee, Melissa Kozul, Muhammad Usman, Martin Sevior, Matthew L. Sims-Goh, Richard D. Sandberg,
- Abstract要約: この研究は、圧縮可能なナビエ-ストークス方程式の直接数値シミュレーションのための最初の完全量子インスパイアされた計算流体力学(QICFD)を導入している。
TTを用いた新しい除算および平方根アルゴリズムは、粘性に対するサザーランドの法則の使用を可能にする。
- 参考スコア（独自算出の注目度）: 6.7620865746292536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum-inspired algorithms are an emerging class of algorithms for computational fluid dynamics (CFD) with potentially favourable scaling for large problems compared to classical methods. However, their applications have been limited to incompressible flows due to arithmetic limitations, which are addressed in this work. This work introduces the first complete quantum-inspired computational fluid dynamics (QICFD) solver for direct numerical simulation of the compressible Navier--Stokes equations, that is, all arithmetic operations are undertaken in the tensor train (TT) format. Importantly, new division and square-root algorithms using TTs enable the use of Sutherland's law for viscosity. The new QICFD solver is validated by comparison with the classical CFD solver HiPSTAR and by way of a challenging fluid-flow test case, the low resolution Taylor--Green Vortex (TGV) at Mach numbers of 0.8 and 0.1. The TGV test case is a transient turbulent case that is very sensitive to accumulating errors, yet our QICFD solver achieves excellent agreement with the classical CFD reference. This work demonstrates the correctness of the new TT division and square-root algorithms, and that QICFD is capable of compressible flow simulations. The new QICFD solver is also able to perform simultaneous simulations, running multiple TGV-like cases initialised differently in parallel with marginal (10-20%) extra cost. Finally, the demonstrated TGV test case reveals additional challenges of QICFD as well as highlight the need for future advances to make TT methods viable for industrially-relevant conditions.
- Abstract（参考訳）: 量子インスパイアされたアルゴリズムは、計算流体力学(CFD)のための新しいアルゴリズムのクラスであり、古典的手法と比較して大きな問題に対して潜在的に有利なスケーリングである。
しかし、それらの応用は算術的な制限のために圧縮不能な流れに限られており、これは本研究で論じられている。
この研究は、圧縮可能なナビエ-ストークス方程式の直接数値シミュレーション、すなわち、すべての算術演算をテンソルトレイン(TT)形式で行うための最初の完全量子インスピレーション型計算流体力学(QICFD)解法を導入する。
重要なことに、TTを用いた新しい分割および平方根アルゴリズムは、粘性に対するサザーランドの法則の使用を可能にする。
新しいQICFDソルバは、古典的CFDソルバHiPSTARと比較し、挑戦的な流体流試験ケースにより、マッハ数0.8と0.1の低分解能Taylor-Green Vortex(TGV)を検証した。
TGVテストケースは過渡乱流であり,誤差の蓄積に非常に敏感である。
本研究は,新しいTT分割アルゴリズムと平方根アルゴリズムの正当性を示し,QICFDは圧縮可能な流れシミュレーションを行うことができることを示した。
新しいQICFDソルバは同時シミュレーションも可能で、複数のTGVライクなケースを、限界(10-20%)の余分なコストと並行して実行することができる。
最後に、実演されたTGVテストケースは、QICFDのさらなる課題を明らかにし、工業的に関係のある条件下でTTメソッドを実行可能なものにするための今後の進歩の必要性を強調している。
関連論文リスト
- An HHL-Based Quantum-Classical Solver for the Incompressible Navier-Stokes Equations with Approximate QST [0.0]
HHL (Harrow-Hassidim-Lloyd) は、非圧縮性ナビエ・ストークス方程式を解くための指数的スピードアップのポテンシャルを提供する。
完全統合型ベンチマーク問題として, 正確な蓋駆動キャビティフローシミュレーションとTaylor-Green渦の正確な流れを示す。
我々は,IBMのQiskitフレームワークを用いて解法を実装し,標準的な古典的数値法に対するハイブリッド量子古典シミュレーションの有効性を検証した。
論文 参考訳（メタデータ） (2026-03-18T19:13:06Z) - LaPON: A Lagrange's-mean-value-theorem-inspired operator network for solving PDEs and its application on NSE [8.014720523981385]
ラグランジュの平均値定理に着想を得た演算子ネットワークであるLaPONを提案する。
損失関数ではなく、ニューラルネットワークアーキテクチャに直接、事前の知識を組み込む。
LaPONは、高忠実度流体力学シミュレーションのためのスケーラブルで信頼性の高いソリューションを提供する。
論文 参考訳（メタデータ） (2025-05-18T10:45:17Z) - 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) - Stochastic normalizing flows for Effective String Theory [44.99833362998488]
実効ストリング理論(EST)は純粋ゲージ理論の閉じ込めを研究するための強力なツールである。
格子上に正規化されるESTの効率的な数値計算法として,フローベースサンプリングが応用されている。
論文 参考訳（メタデータ） (2024-12-26T07:58:09Z) - A Variational Computational-based Framework for Unsteady Incompressible Flows [0.0]
流体力学問題の解法として変分法を用いる別の計算フレームワークを提案する。
第一に、非圧縮性流れにおける圧力-速度結合の慢性的な問題を回避している。
第二に、この手法はアウトフロー境界における非物理的仮定に依存しない。
論文 参考訳（メタデータ） (2024-12-07T03:45:39Z) - Improving Pseudo-Time Stepping Convergence for CFD Simulations With
Neural Networks [44.99833362998488]
ナビエ・ストークス方程式は、非常に非線形な振る舞いを示す。
ナヴィエ・ストークス方程式の離散化による非線形方程式の系はニュートン法のような非線形反復法を用いて解くことができる。
本稿では, 非線形収束を改善するために擬似過渡継続法を用いる。
論文 参考訳（メタデータ） (2023-10-10T15:45:19Z) - D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。
このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。
さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
論文 参考訳（メタデータ） (2023-03-01T10:38:10Z) - Improving and generalizing flow-based generative models with minibatch
optimal transport [90.01613198337833]
連続正規化フロー(CNF)のための一般条件流整合(CFM)技術を導入する。
CFMは、拡散モデルのフローをトレーニングするために使用されるような安定した回帰目標を特徴としているが、決定論的フローモデルの効率的な推論を好んでいる。
我々の目的の変種は最適輸送CFM (OT-CFM) であり、訓練がより安定し、より高速な推論をもたらすより単純なフローを生成する。
論文 参考訳（メタデータ） (2023-02-01T14:47:17Z) - Neural Basis Functions for Accelerating Solutions to High Mach Euler
Equations [63.8376359764052]
ニューラルネットワークを用いた偏微分方程式(PDE)の解法を提案する。
ニューラルネットワークの集合を縮小順序 Proper Orthogonal Decomposition (POD) に回帰する。
これらのネットワークは、所定のPDEのパラメータを取り込み、PDEに還元順序近似を計算する分岐ネットワークと組み合わせて使用される。
論文 参考訳（メタデータ） (2022-08-02T18:27:13Z)
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。