WO2024007919A1 - 基于lbm的量子流动模拟方法、装置、介质及设备 - Google Patents

基于lbm的量子流动模拟方法、装置、介质及设备 Download PDF

Info

Publication number
WO2024007919A1
WO2024007919A1 PCT/CN2023/103353 CN2023103353W WO2024007919A1 WO 2024007919 A1 WO2024007919 A1 WO 2024007919A1 CN 2023103353 W CN2023103353 W CN 2023103353W WO 2024007919 A1 WO2024007919 A1 WO 2024007919A1
Authority
WO
WIPO (PCT)
Prior art keywords
bit
quantum
distribution function
gate
flow field
Prior art date
Application number
PCT/CN2023/103353
Other languages
English (en)
French (fr)
Inventor
马腾阳
李叶
窦猛汉
Original Assignee
本源量子计算科技（合肥）股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from CN202210807672.8A external-priority patent/CN117408343A/zh
Priority claimed from CN202210807673.2A external-priority patent/CN117408344A/zh
Priority claimed from CN202210807674.7A external-priority patent/CN117408345A/zh
Application filed by 本源量子计算科技（合肥）股份有限公司 filed Critical 本源量子计算科技（合肥）股份有限公司
Publication of WO2024007919A1 publication Critical patent/WO2024007919A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G06N10/20—Models of quantum computing, e.g. quantum circuits or universal quantum computers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G06N10/60—Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G06N10/80—Quantum programming, e.g. interfaces, languages or software-development kits for creating or handling programs capable of running on quantum computers; Platforms for simulating or accessing quantum computers, e.g. cloud-based quantum computing

Definitions

  • This application relates to the field of quantum computing, and more specifically to a quantum flow simulation method, device, medium and equipment based on LBM.
  • LBM (English: Lattice Boltzmann Method; Chinese: Lattice Boltzmann Method) is a mesoscopic simulation method, the core of which is the basic equation of gas kinetic theory - the Boltzmann equation. Its specific form is as follows:
  • f is the particle distribution function, which is related to the particle spatial position r, velocity ⁇ and time t.
  • the first term of the equation represents the evolution of the particle distribution function over time
  • the second term represents the contribution of the movement of the particles themselves
  • the third term represents the contribution of external forces
  • the fourth term represents the contribution of the collision of particles.
  • the specific form of the collision term is related to the selected collision model, and is generally called the collision integral term.
  • the collision integral term is usually very complex, which brings great difficulties to the solution of the Boltzmann equation.
  • the Bhatnagar-Gross-Krook single relaxation collision model is used to simplify the collision term
  • the D 2 Q 9 model is used to discretize the velocity space
  • the first-order integration of the Boltzmann equation along the characteristic line is used The rectangular method is used for time and space discretization, and external force terms are ignored.
  • the discrete control equation of LBM is obtained as follows:
  • x is the node position after spatial discretization
  • ⁇ is the relaxation time of collision
  • e i is the discrete velocity
  • ⁇ t is the time step after discretization
  • f eq is the local equilibrium distribution function
  • the subscript i represents the discrete velocity direction .
  • FIG. 1 is a schematic diagram of a two-dimensional nine-velocity discrete model provided by an exemplary embodiment of the present application.
  • ⁇ i is the weight factor of each discrete velocity direction
  • ⁇ x is the grid step size
  • c s is the dimensionless sound speed of the fluid, from which the LBM characteristic speed is determined.
  • the equilibrium distribution function in LBM adopts Maxwell distribution, and the form is as follows:
  • ⁇ is the fluid density
  • v is the velocity in the Y direction
  • u is the velocity in the X direction
  • ⁇ u represents the component of the fluid momentum in the X direction
  • ⁇ v represents the component of the fluid momentum in the Y direction.
  • N x , Ma and Re are the number of grid nodes in the characteristic direction, flow Mach number and flow Reynolds number respectively.
  • the numerical stability of LBM requires that the relaxation time ⁇ should not be too close to 0.5. Obviously, when the flow Reynolds number Re is large, a larger number of grid nodes are needed to ensure the stability of the method.
  • the purpose of this application is to provide a quantum flow simulation method, device, medium and equipment based on LBM to solve the problem of huge calculation amount of classical LBM in the existing technology and reduce the dependence of LBM solution time on the number of grids. This can achieve rapid solution to flow problems, or greatly increase the number of simulation grids under the same computational time-consuming constraints.
  • this application provides a quantum flow simulation method based on LBM, including: initializing flow field information; wherein the flow field information includes fluid density and fluid momentum; based on D 2 Q 9 type Use qubits to encode one or more of the equilibrium state distribution function, distribution function and flow field information to obtain the encoded information; based on the encoded information, perform a migration operation; based on the migration operation, Update the flow field information; determine whether the updated flow field information satisfies the convergence condition.
  • the updated flow field information does not meet the convergence condition, perform boundary condition processing on the updated flow field information, and re-perform the quantum flow simulation based on the processed flow field information. , until the updated flow field information meets the convergence condition, and the updated flow field information is output.
  • the D 2 Q 9 model is used to encode one or more of the equilibrium state distribution function, the distribution function and the flow field information using qubits to encode, and the encoded information is obtained, including: based on the The D 2 Q 9 model uses three qubits to encode the flow field information to obtain the encoded information.
  • the encoded information includes the encoded flow field information; the three qubits are discrete Speed direction control bits, Y direction coordinate control bits and X direction coordinate control bits; wherein the number of discrete speed direction control bits is four bits; performing a migration operation based on the encoded information includes: based on the encoded information
  • the flow field information is used to obtain the first-order equilibrium distribution function in each discrete velocity direction; and the migration operation is performed based on the first-order equilibrium distribution function in each discrete velocity direction.
  • re-performing the quantum flow simulation based on the processed flow field information includes: returning to the step of encoding the flow field information using three qubits based on the processed flow field information.
  • using three qubits to encode the flow field information based on the D 2 Q 9 model includes: using three qubits in an encoding format:
  • the bit encoding format of the flow field information is:
  • v is the velocity in the Y direction
  • u is the velocity in the X direction
  • ⁇ u represents the component of the fluid momentum in the X direction
  • ⁇ v represents the component of the fluid momentum in the Y direction.
  • obtaining the first-order equilibrium distribution function in each discrete velocity direction based on the encoded flow field information includes: Quantum gate operations are performed on the discrete velocity direction control bits in sequence to obtain the first-order equilibrium state distribution function in each discrete velocity direction.
  • performing quantum gate operations on the discrete speed direction control bits in sequence includes: performing quantum gate operations on the discrete speed direction control bits in the following order to obtain the first-order equilibrium state distribution function in each discrete speed direction: Bit X3, bit X2, and bit X1 are control bits, and bit X0 is the target bit.
  • bit X3 When the quantum states of bit X3, bit is the target bit, when the quantum state of bit X2 is
  • H gate When the quantum states of bit X3, bit X2, and bit X1 are all
  • performing a migration operation based on the first-order equilibrium distribution function includes: sequentially performing quantum gate operations on the bits Z and bits Y in their respective discrete velocity directions to perform the migration operation on the first-order equilibrium distribution function. migrate.
  • performing quantum gate operations on bit Z and bit Y in respective discrete velocity directions in sequence includes: performing quantum gate operations on bit Z and bit Y in the following order to operate the bit Z and bit Y in respective discrete velocity directions.
  • the first-order equilibrium state distribution function is migrated: the first quantum gate operation is performed on the bit Z whose quantum state of the discrete velocity direction control bit is
  • Quantum gate operation perform the second quantum gate operation on the bit Z whose quantum state of the discrete speed direction control bit is
  • the second quantum gate operation is performed on the bit Z whose quantum state is
  • updating the flow field information after the migration-based operation includes: performing quantum gate operations on discrete velocity direction control bits in sequence to update the flow field information.
  • performing quantum gate operations on discrete velocity direction control bits in order to update the flow field information includes: performing quantum gate operations on discrete velocity direction control bits in the following order; using bit X3 as the control bit, bit X2 is the target bit.
  • bit X3 When the quantum states are both
  • the quantum states of bit X3 and bit X2 are both
  • the quantum state of bit X3 When the quantum state of bit X3 is
  • the method further includes: calculating an equilibrium state distribution function according to the flow field information; using qubits to encode the equilibrium state distribution function, the distribution function and the distribution function in the flow field information based on the D 2 Q 9 model
  • One or more types of encoding are performed to obtain the encoded information, including: using four qubits to encode the equilibrium state distribution function and the distribution function based on the D 2 Q 9 model to obtain the encoded information, the
  • the encoded information includes the encoded equilibrium state distribution function and the encoded distribution function; the four qubits are auxiliary bits, discrete speed direction control bits, Y direction coordinate control bits and X direction coordinate control bits.
  • the migration operation is performed based on the encoded information, including: based on the encoded equilibrium state distribution function and the distribution function , perform a collision operation; based on the collision operation, perform the migration operation.
  • re-performing the quantum flow simulation based on the processed flow field information includes: returning to the step of calculating the equilibrium distribution function based on the processed flow field information.
  • using four qubits to encode the equilibrium state distribution function and distribution function based on the D 2 Q 9 model includes: the encoding format using four qubits is:
  • performing a collision operation based on the encoded equilibrium state distribution function and the distribution function includes: applying an R( ⁇ ) gate on the bit F0 to perform a collision operation.
  • performing the migration operation includes: performing quantum gate operations on the bits Z and bits Y in respective discrete velocity directions in order to perform a quantum gate operation on the distribution function after the collision operation. migrate.
  • performing quantum gate operations on bit Z and bit Y in respective discrete speed directions in sequence includes: performing quantum gate operations on bit Z and bit Y in the following order to execute the pair in respective discrete speed directions.
  • the D 2 Q 9 model is used to encode one or more of the equilibrium state distribution function, the distribution function and the flow field information using qubits.
  • Obtaining the encoded information includes: based on the D The 2 Q 9 model uses four qubits to encode the flow field information and distribution function to obtain the encoded information.
  • the encoded information includes the encoded flow field information and the encoded distribution function.
  • Performing a migration operation based on the encoded information includes: obtaining a first-order equilibrium state distribution function in each discrete velocity direction based on the encoded flow field information; based on the first-order equilibrium state distribution function and the encoded The distribution function performs a collision operation; based on the collision operation, the migration operation is performed.
  • re-performing the quantum flow simulation based on the processed flow field information includes: returning to performing four qubit encodings based on the D 2 Q 9 model based on the processed flow field information.
  • using four qubits to encode the flow field information and distribution function based on the D 2 Q 9 model includes: the encoding format using four qubits is:
  • obtaining the first-order equilibrium state distribution function in each discrete velocity direction based on the encoded flow field information includes: performing quantum calculation on the discrete velocity direction control bits where the quantum state of the auxiliary bit is
  • 01> includes: performing quantum gate operations on the discrete speed direction control bits in the auxiliary bit quantum state
  • Bit X3, bit bit, bit X3 is the target bit
  • the R( ⁇ 1 ) gate is executed
  • bit > execute the R( ⁇ 1 ) gate; take bit X3 and bit X2 as control bits, and bit X1 as the target bit.
  • bit X3 When the quantum state of bit X3 is
  • bit X3 and bit , bit X2 and bit X1 are control bits
  • bit X0 is the target bit
  • bit Bit when the quantum state of bit X3 is
  • the H gate is executed.
  • performing a collision operation based on the first-order equilibrium distribution function and the encoded distribution function includes: applying an R( ⁇ ) gate on the bit F0 to perform a collision operation.
  • the migration operation is performed, including: sequentially matching the Bit Z and bit Y perform quantum gate operations to migrate the distribution function after performing the collision operation.
  • performing quantum gate operations on bit Z and bit Y in respective discrete speed directions in sequence includes: performing quantum gate operations on bit Z and bit Y in the following order to execute the pair in respective discrete speed directions.
  • updating the flow field information includes: applying an H gate to the bit F1 after the migration operation to obtain data when the auxiliary bit quantum state is
  • 10> includes: performing quantum gate operations on the discrete speed direction control bits in the auxiliary bit quantum state
  • the gate operation is used to update the flow field information: bit X3 is used as the control bit, and bit X2 is used as the target bit.
  • bit X3 is used as the control bit
  • bit X2 is used as the target bit.
  • bit X3, bit X2 and bit when the quantum state of bit X2 is
  • bit X3 is
  • bit X2, and bit X1 are used as control bits
  • bit X0 is the target bit.
  • the quantum state of bit X3 is
  • bit Y or bit Z when bit Y or bit Z includes j+1 qubits in the migration operation, the encoding format of bit Y or bit Z is: Wherein, j is an integer greater than or equal to 0, n is an integer and 0 ⁇ n ⁇ j; the first quantum gate operation includes: bitwise to bits The order of each bit is the target bit, when the bit is the target bit and bit to bits When the quantum states of are all
  • a quantum flow simulation device based on LBM.
  • the device includes: an initialization module for initializing flow field information; wherein the flow field information includes fluid density and fluid momentum; and an encoding module for initializing flow field information based on
  • the D 2 Q 9 model uses one or more of the qubit encoding equilibrium state distribution function, distribution function and the flow field information for encoding; the acquisition module is used to obtain the encoding information based on the encoding of the encoding module; the migration module is used A migration operation is performed based on the encoding information; an update module is used to update the flow field information based on the migration operation; a judgment module is used to judge whether the updated flow field information satisfies the convergence condition.
  • the device includes: a processing module, configured to perform boundary condition processing on the updated flow field information, and re-perform the quantum flow simulation based on the processed flow field information until updated.
  • the updated flow field information satisfies the convergence condition, and the updated flow field information is output.
  • the encoding module is used to encode the flow field information using three qubits based on the D 2 Q 9 model; the three qubits are discrete speed direction control bits and Y direction coordinate control bits. and X-direction coordinate control bits; wherein the number of discrete velocity direction control bits is four; the acquisition module is used to obtain the first-order equilibrium state distribution function in each discrete velocity direction based on the encoded flow field information; The migration module is configured to perform the migration operation based on the first-order equilibrium state distribution function in each discrete velocity direction.
  • the acquisition module is used to calculate the equilibrium state distribution function according to the flow field information;
  • the encoding module is used to encode the equilibrium state distribution using four qubits based on the D 2 Q 9 model function and distribution function;
  • the four kinds of qubits are auxiliary bits, discrete speed direction control bits, Y direction coordinate control bits and X direction coordinate control bits; among them, the number of discrete speed direction control bits is four, and the number of auxiliary bits is Two bits;
  • the quantum flow simulation device further includes: a first module for performing a collision operation based on the encoded equilibrium state distribution function and the distribution function; a migration module for performing a collision operation based on the collision operation , perform the migration operation.
  • the encoding module is used to encode the flow field information and distribution function using four qubits based on the D 2 Q 9 model;
  • the four kinds of qubits are auxiliary bits, discrete speed direction control bits, Y direction coordinate control bits and X direction coordinate control bits; wherein, the number of discrete speed direction control bits is four bits, and the number of auxiliary bits is two bits;
  • An acquisition module is used to acquire the first-order equilibrium distribution function in each discrete velocity direction based on the encoded flow field information;
  • the quantum flow simulation device also includes: a second module, which is used to acquire the first-order equilibrium distribution function based on the first-order equilibrium
  • the state distribution function and the encoded distribution function are used to perform a collision operation;
  • the migration module is used to perform the migration operation based on the collision operation.
  • a third aspect provides a storage medium in which a computer program is stored, and the computer program is configured to execute the LBM-based quantum flow simulation method described in the first aspect when running.
  • an electronic device including a memory and a processor.
  • a computer program is stored in the memory, and the processor is configured to run the computer program to perform the LBM-based quantum calculation described in the first aspect. Flow simulation methods.
  • a fifth aspect provides a quantum computer operating system that implements LBM-based quantum flow simulation according to the method described in the first aspect.
  • a sixth aspect provides a quantum computer, which includes the quantum computer operating system described in the fifth aspect.
  • the calculation steps of the equilibrium distribution function and/or the collision step, migration step and flow field information in the fluid simulation process can be quantized, with an exponential acceleration effect. Since the complexity of other steps of the LBM-based flow simulation method is much smaller than the complexity of the calculation steps of the equilibrium distribution function, collision step, migration step and macroscopic quantities, other steps of the LBM-based quantum fluid simulation method can be implemented using classical calculations. , that is to say, this application achieves a global exponential acceleration effect in the overall solution.
  • the LBM-based quantum flow simulation device, storage medium and electronic equipment provided by this application belong to the same inventive concept as the LBM-based quantum flow simulation method, and therefore have the same beneficial effects, which will not be described again here.
  • Figure 1 is a schematic diagram of the two-dimensional nine-velocity discrete model.
  • FIG. 2 is a schematic diagram of the hardware structure of a computer terminal for an LBM-based quantum flow simulation method provided by an embodiment of the present application.
  • FIG. 3 is a schematic diagram of a quantum circuit display method provided by an embodiment of the present application.
  • Figure 4 is a schematic flowchart of a quantum flow simulation method based on LBM provided by an embodiment of the present application.
  • Figure 5 is a schematic flow chart of a quantum flow simulation method based on LBM provided in Embodiment 1 of the present application.
  • Figure 6 is a schematic diagram of a quantum circuit for obtaining a first-order equilibrium distribution function in an embodiment of the present application.
  • Figure 7 is a schematic diagram of the quantum circuit of the migration operation in the embodiment of the present application.
  • Figure 8 is a schematic diagram of the first quantum gate quantum circuit of the migration operation in the embodiment of the present application.
  • Figure 9 is a schematic diagram of the second quantum gate quantum circuit of the migration operation in the embodiment of the present application.
  • Figure 10 is a schematic diagram of a quantum circuit for updating flow field information in an embodiment of the present application.
  • Figure 11 is a schematic flow chart of a quantum flow simulation method based on LBM provided in Embodiment 2 of the present application.
  • Figure 12 is a schematic flowchart of an LBM-based quantum flow simulation method provided in Embodiment 3 of the present application.
  • Figure 13 is a schematic block diagram of an LBM-based quantum flow simulation device provided by an embodiment of the present application.
  • Figure 14 is a schematic block diagram of an LBM-based quantum flow simulation device provided in Embodiment 4 of the present application.
  • Figure 15 is a schematic block diagram of an LBM-based quantum flow simulation device provided in Embodiment 5 of the present application.
  • Figure 16 is a schematic block diagram of an LBM-based quantum flow simulation device provided in Embodiment 6 of the present application.
  • the embodiments of this application first provide a quantum flow simulation method based on LBM, which can be applied to electronic devices, such as computer terminals, specifically ordinary computers, quantum computers, etc.
  • FIG. 2 is a hardware structure block diagram of a computer terminal for a quantum flow simulation method based on LBM provided by an embodiment of the present application.
  • the computer terminal 10 may include one or more (only one is shown in FIG. 2 ) processors 102 (the processor 102 may include but is not limited to a processing device such as a microprocessor MCU or a programmable logic device FPGA. ) and a memory 104 for storing data.
  • the above-mentioned computer terminal may also include a transmission device 106 for communication functions and an input and output device 108.
  • a transmission device 106 for communication functions
  • an input and output device 108 Persons of ordinary skill in the art can understand that the structure shown in FIG.
  • the computer terminal 10 may also include more or fewer components than shown in FIG. 2 , or have a different configuration than shown in FIG. 2 .
  • the memory 104 can be used to store software programs and modules of application software, such as the LBM-based quantum flow in the embodiment of the present application. According to the program instructions/modules corresponding to the dynamic simulation method, the processor 102 executes various functional applications and data processing by running the software programs and modules stored in the memory 104, that is, to implement the above method.
  • Memory 104 may include high-speed random access memory, and may also include non-volatile memory, such as one or more magnetic storage devices, flash memory, or other non-volatile solid-state memory. In some examples, the memory 104 may further include memory located remotely relative to the processor 102, and these remote memories may be connected to the computer terminal 10 through a network. Examples of the above-mentioned networks include but are not limited to the Internet, intranets, local area networks, mobile communication networks and combinations thereof.
  • the transmission device 106 is used to receive or send data via a network.
  • Specific examples of the above-mentioned network may include a wireless network provided by a communication provider of the computer terminal 10 .
  • the transmission device 106 includes a network adapter (Network Interface Controller, NIC), which can be connected to other network devices through a base station to communicate with the Internet.
  • the transmission device 106 may be a radio frequency (Radio Frequency, RF) module, which is used to communicate with the Internet wirelessly.
  • RF Radio Frequency
  • a real quantum computer is a hybrid structure, which consists of two parts: one part is a classical computer, responsible for performing classical calculations and control; the other part is a quantum device, responsible for running quantum programs to achieve quantum computing.
  • a quantum program is a sequence of instructions written in a quantum language such as QRunes that can be run on a quantum computer. It supports quantum logic gate operations and ultimately realizes quantum computing.
  • a quantum program is a series of instruction sequences that operate quantum logic gates in a certain time sequence.
  • Quantum computing simulation is a process in which a virtual architecture (i.e., quantum virtual machine) built with the resources of ordinary computers is used to realize the simulated operation of quantum programs corresponding to specific problems. Often, a quantum program corresponding to a specific problem needs to be constructed.
  • the quantum program referred to in the embodiment of the present invention is a program written in a classical language that represents qubits and their evolution, in which qubits, quantum logic gates, etc. related to quantum computing are represented by corresponding classical codes.
  • quantum circuits are also called quantum logic circuits. They are the most commonly used universal quantum computing model. They represent circuits that operate on qubits under an abstract concept. Its components include qubits, circuits (timelines) , and various quantum logic gates, and finally the results often need to be read out through quantum measurement operations.
  • the way quantum circuits are displayed can be a sequence of quantum logic gates arranged in a certain time sequence. Specifically, for example: q 0 : RX(q 0 ), H(q 0 ), CNOT(q 0 , q 2 ), X(q 0 ) q 1 :X(q 1 ), RY(q 1 ), H(q 1 ), CNOT(q 2 , q 1 ) q 2 :H(q 2 ), X(q 2 ), CNOT(q 0 ,q 2 ), CNOT(q 2 ,q 1 ), RZ(q 2 )
  • a quantum program as a whole corresponds to a total quantum circuit.
  • the quantum program described in this application refers to the total quantum circuit, where the total number of qubits in the total quantum circuit is the same as the total number of qubits in the quantum program. It can be understood as: a quantum program can be composed of quantum circuits, measurement operations for qubits in the quantum circuit, registers to save measurement results, and control flow nodes (jump instructions).
  • a quantum circuit can contain dozens, hundreds or even thousands of Tens of thousands of quantum logic gate operations.
  • the execution process of a quantum program is a process of executing all quantum logic gates in a certain time sequence. It should be noted that timing is the time sequence in which a single quantum logic gate is executed.
  • Quantum logic gates are the basis of quantum circuits. Quantum logic gates include single-bit quantum logic gates, such as Hadamard gates (H gates, Hadamard gates), Pauli-X gates ( X gate), Pauli-Y gate (Y gate), Pauli-Z gate (Z gate), RX gate, RY gate, RZ gate, etc.; multi-bit quantum logic gates, such as CNOT gate, CR gate, iSWAP gate , Toffoli gate and so on.
  • Quantum logic gates are generally represented by unitary matrices, which are not only matrix forms, but also operations and transformations. Generally, the effect of a quantum logic gate on a quantum state is calculated by multiplying the unitary matrix on the left by the matrix corresponding to the right vector of the quantum state.
  • Quantum state that is, the logical state of qubits, is represented by binary in quantum algorithms (or quantum programs). For example, a set of qubits is q0, q1, q2, which represents the 0th, 1st, and 2nd quantum bits. The bits are sorted from high to low as q2q1q0.
  • the quantum states corresponding to this group of qubits have a total of 2 raised to the power of the total number of qubits, which refers to 8 eigenstates (determined states):
  • the logical state ⁇ of a single qubit may be in a superposition state (uncertain state) of
  • ⁇ a
  • 1> where a and b are complex numbers representing the quantum state amplitude (probability amplitude), the square of the amplitude represents the probability, a 2 and b 2 respectively indicate that the logical state is
  • 1> The probability of state, a 2 +b 2 1.
  • quantum states It is a superposition state composed of various eigenstates. When the probability of other states is 0, it is in the only certain eigenstate.
  • Figure 4 is a schematic flow chart of an LBM-based quantum flow simulation method provided by an embodiment of the present application, including steps S210-S250.
  • step S210 flow field information is initialized; where the flow field information includes fluid density and fluid momentum; the initialization information of fluid density and fluid momentum is manually set according to requirements.
  • step S220 is executed.
  • step S220 one or more of the qubit-encoded equilibrium state distribution function, distribution function and flow field information are used to encode based on the D 2 Q 9 model to obtain encoded information; in the simulation method provided in this application.
  • qubits are used to encode different information based on the D 2 Q 9 model. For details, please refer to the explanations of each embodiment.
  • step S230 perform a migration operation based on the encoded information
  • step S240 after the migration operation, the flow field information is updated
  • step S250 it is determined whether the updated flow field information satisfies the convergence condition.
  • the above method further includes step S260.
  • step S260 if the updated flow field information does not meet the convergence conditions, boundary condition processing is performed on the updated flow field information, and quantum flow simulation is re-carried out based on the processed flow field information until the updated flow field The information meets the convergence conditions and the updated flow field information is output.
  • the operations when re-performing quantum flow simulation based on the processed flow field information are different. For details, please refer to the specific explanations in each embodiment below.
  • the equilibrium state distribution function and/or the calculation steps of the collision step, migration step and macroscopic quantities in the fluid simulation process are quantized.
  • the complexity of other steps of the LBM-based flow simulation method is much smaller than the complexity of the calculation steps of the equilibrium distribution function, collision step, migration step and macroscopic quantities, other steps of the LBM-based quantum fluid simulation method can be implemented using classical calculations. , that is to say, this application achieves a global exponential acceleration effect in the overall solution.
  • Figure 5 is a schematic flow chart of an LBM-based quantum flow simulation method provided in Embodiment 1 of the present application, including steps S310-S370.
  • step S310 flow field information is initialized.
  • the flow field information includes fluid density and fluid momentum.
  • the initialization information of fluid density and fluid momentum is set manually according to requirements.
  • step S320 is executed.
  • step S320 three qubits are used to encode the flow field information based on the two-dimensional nine-velocity discrete model.
  • the three types of qubits are discrete velocity direction control bits, Y-direction coordinate control bits and X-direction coordinate control bits.
  • the number of discrete speed direction control bits is four.
  • the encoding format using three qubits is:
  • bit X3, bit X2, bit X1 and bit Depends on the number of grids.
  • ⁇ is the fluid density
  • v is the velocity in the Y direction
  • u is the velocity in the X direction
  • ⁇ u represents the component of the fluid momentum in the X direction
  • ⁇ v represents the component of the fluid momentum in the Y direction.
  • step S330 is executed.
  • step S330 based on the encoded flow field information, the first-order equilibrium state distribution function in each discrete velocity direction is obtained.
  • the iterative steps of LBM at one moment include five main steps: collision, migration, macroscopic quantity calculation, boundary conditions, and equilibrium distribution function update.
  • the boundary condition update only involves some boundary nodes. Compared with all grid nodes, it can be regarded as a In small quantities, the time overhead of this step can be ignored.
  • the processes that mainly contribute to the time cost of the LBM algorithm include the collision process, the migration process, the macroscopic quantity calculation process and the equilibrium distribution function, a total of four processes involving the calculation of variables on all grid nodes. If you want to further obtain higher quantum To accelerate the effect, the equilibrium distribution function process must be quantized. Based on the above considerations, this application further truncates the above equilibrium distribution function and only considers the first-order equilibrium distribution function.
  • the first-order equilibrium distribution function is as follows:
  • the first-order equilibrium distribution function is a linear expression, although its accuracy is reduced, but under the assumption of very low Mach number:
  • this application uses linear expressions to update the equilibrium distribution function, and further uses quantum circuits to implement the process, thereby obtaining an LBM algorithm with a more obvious acceleration effect.
  • the first-order equilibrium distribution function is expanded to obtain the specific form in each discrete direction:
  • step S330 the acquisition of the above-mentioned first-order equilibrium state distribution function in each discrete velocity direction can be achieved through quantum circuits.
  • the quantum gate operations can be performed on the discrete speed direction control bits in sequence, so as to obtain the first-order equilibrium distribution function in each discrete speed direction.
  • This application uses a specific quantum circuit diagram as an example to illustrate the acquisition process of the first-order equilibrium distribution function. It should be noted that in other embodiments, the first-order equilibrium distribution function can also be obtained through other quantum circuit diagrams. There are no specific limitations in this application.
  • Figure 6 is a schematic diagram of the quantum circuit for obtaining the first-order equilibrium state distribution function in Figure 5.
  • quantum gate operations are performed on the discrete velocity direction control bits in the following order to obtain the first-order equilibrium state distribution function in each discrete velocity direction:
  • bit X3 and bit X2 are used as control bits, and bit X1 is used as the target bit.
  • the R( ⁇ 2 ) gate is executed.
  • bit X3 and bit X2 are control bits and bit X1 as the target bit, when the quantum states of bit X3 and bit X2 are both
  • the data operations performed by this quantum gate are as follows:
  • step S340 is executed.
  • step S340 a migration operation is performed based on the first-order equilibrium distribution function.
  • the migration process is only related to the discrete velocity direction.
  • the migration process performs position updates in the respective directions for the distribution function.
  • There is no collision process that is, position updates in respective directions are performed on the first-order equilibrium distribution function. That is, the obtained first-order equilibrium distribution function is migrated according to the respective discrete velocity directions.
  • the quantum gate operations can be performed on the bit Z and the bit Y in the respective discrete speed directions in order to migrate the first-order equilibrium distribution function.
  • This application uses a specific quantum circuit diagram as an example to illustrate the migration process of the first-order equilibrium distribution function. It should be noted that in other embodiments, the migration of the first-order equilibrium distribution function can also be performed through other quantum circuit diagrams. , this application does not make specific limitations.
  • Figure 7 is a schematic diagram of the quantum circuit of the migration operation in Figure 5.
  • Figure 8 is a schematic diagram of the quantum circuit of the first quantum gate S1 of the migration operation in Figure 7.
  • y is the number of rows (Y-direction coordinates)
  • x is the number of columns (X-direction coordinates)
  • the two-dimensional flow field grid is described in the form of a two-dimensional array.
  • the process is to perform the following quantum state operations:
  • bit Act on an X gate As shown in Figure 8, first, in the bit Act on an X gate; then, with bits is the control bit, bit is the target bit, when the bit When the quantum state of is
  • bit Act on an X gate first, in the bit Act on an X gate; then, with bits is the control bit, bit is the target bit, when the bit When the quantum state of is
  • the core migration route in step S350 is shown in Figure 6.
  • the migration operation is performed, including the following steps: perform the first quantum gate S 1 operation on the bit Z whose quantum state is
  • 1001> performs the first quantum gate S 1 operation;
  • the discrete speed direction control bit quantum state is
  • 1101> performs the second quantum gate S 2 operation; bit Z on the discrete speed direction control bit whose quantum state is
  • 1010> performs the first quantum gate S 1 operation;
  • the discrete speed direction control bit quantum state is
  • bit Y or bit Z When bit Y or bit Z includes j+1 qubits, the encoding format of bit Y or bit Z is: Among them, j is an integer greater than or equal to 0, n is an integer and 0 ⁇ n ⁇ j.
  • the operation of the first quantum gate S 1 includes: bitwise to bits The order of each bit is the target bit, when the bit is the target bit and bit to bits When the quantum states of are all
  • bit is the target bit, when the bit When the quantum state of is
  • Bits is the control bit, bit is the target bit, when the bit Bits When the quantum states of are all
  • bits Bits ... bits is the control bit, bit is the target bit, when the bit Bits ..., bits When the quantum states of are all
  • bits Bits ... bits is the control bit
  • bit is the target bit
  • the bit Bits ... bits When the quantum states of are all
  • the operation of the second quantum gate S2 includes: bit by bit to bits The order of each bit is the target bit, when the bit is the target bit and bit to bits When the quantum states of are all
  • bit is the target bit, when the bit When the quantum state of is
  • Bits is the control bit, bit is the target bit, when the bit Bits When the quantum states of are all
  • bits Bits ... bits is the control bit, bit is the target bit, when the bit Bits ..., bits When the quantum states of are all
  • bits Bits ... bits is the control bit
  • bit is the target bit
  • the bit Bits ... bits When the quantum states of are all
  • step S350 is performed.
  • step S350 after the migration operation, the flow field information is updated.
  • step S350 the calculation and update of the above flow field information is implemented through quantum circuits.
  • the quantum state after performing quantum migration is:
  • the discrete speed direction control bit X includes bit X3, bit X2, bit X1 and bit X0.
  • the specific distribution in each discrete speed direction is:
  • quantum gate operations can be performed on the discrete velocity direction control bits in sequence, thereby updating the flow field information.
  • This application takes a specific quantum circuit diagram as an example to illustrate the update process of flow field information. It should be noted that in other embodiments, the flow field information can also be updated through other quantum circuit diagrams. This application does not make specific limitations. .
  • bit X3 and bit X2 are used as control bits, and bit X1 is used as the target bit.
  • bit X3 and bit X2 are used as control bits, and bit X1 is used as the target bit.
  • the H gate is executed. The data operations performed by this quantum gate are as follows:
  • bit X3, bit X2, and bit X1 are used as control bits, and bit X0 is used as the target bit.
  • the fluid density information is stored at the amplitude in the
  • the flow field information (fluid density, fluid momentum in the X direction, and Y direction
  • the fluid momentum in the direction) is correspondingly stored in the quantum state amplitudes in the
  • step S360 is executed.
  • step S360 it is determined whether the updated flow field information satisfies the convergence condition.
  • the convergence conditions of this application are similar to those in the calculation of classic LBM, and the judgment process is also similar. That is to say, judging whether the flow field information satisfies the convergence condition is a technical means known to those skilled in the art. Therefore, for the sake of simplicity of the description, it will not be described in detail in this application.
  • step S370 is executed.
  • step S320 is returned based on the processed flow field information until the updated flow field information meets the convergence condition, and then step S370 is performed.
  • step S370 the updated flow field information is output.
  • Figure 11 is a schematic flow chart of an LBM-based quantum flow simulation method provided in Embodiment 2 of the present application, including steps S410 to S480.
  • step S410 flow field information is initialized.
  • the flow field information includes fluid density and fluid momentum.
  • the initialization information of fluid density and fluid momentum is set manually according to requirements.
  • step S420 is executed.
  • step S420 the equilibrium distribution function is calculated based on the flow field information.
  • the equilibrium distribution function format in this application selects the Maxwell distribution, as shown below:
  • u is the velocity vector.
  • the calculation process of the equilibrium distribution function of this application is similar to the calculation process of the classic LBM. That is to say, the equilibrium distribution function calculation process is a technical means known to those skilled in the art. Therefore, for the sake of simplicity of the description, it will not be described in detail in this application.
  • step S430 is executed.
  • step S430 four qubits are used to encode the equilibrium state distribution function and distribution function based on the D 2 Q 9 model.
  • the four kinds of qubits are auxiliary bits, discrete speed direction control bits, Y-direction coordinate control bits and X-direction coordinate control bits.
  • the number of discrete speed direction control bits is four, and the number of auxiliary bits is two.
  • the encoding format using four qubits is:
  • bit X3, bit X2, bit X1 and bit X0 represent the discrete speed direction control bit
  • bit Y represents the Y direction coordinate control bit
  • bit Z represents the X direction coordinate control bit
  • bit F1 and bit F0 represent the auxiliary bit
  • bit Y and The number of bits Z is related to the number of meshes when simulating fluids.
  • f represents the distribution function
  • f eq represents the equilibrium distribution function
  • the specific encoding form of subsequent row and column position bits is related to the number of row and row bits. For example, for a 16*16 grid, the number of row bits and column bits are both 4. Then the quantum state position of the equilibrium state distribution function pointing to the sixth discrete velocity direction on the grid node in row 1 and column 3 is
  • step S440 is performed.
  • step S440 a collision operation is performed based on the encoded equilibrium state distribution function and distribution function.
  • the first step is to perform the collision operation.
  • the collision process can be described as:
  • the rotation gate R( ⁇ ) is applied to the bit F0.
  • performing a collision operation in this application includes: applying an R( ⁇ ) gate on bit F0 to perform a collision operation.
  • the data operations performed by this revolving door R( ⁇ ) are as follows:
  • k here represents amplitude. It should be noted that the specific value of the rotation angle ⁇ can be reasonably deduced by those skilled in the art based on the operation data.
  • step S450 is performed.
  • step S450 based on the collision operation, a migration operation is performed.
  • the distribution functions are migrated according to their respective discrete velocity directions.
  • the quantum gate operations can be performed on the bit Z and the bit Y in the respective discrete speed directions in order to migrate the distribution function after the collision operation is performed, that is, Can.
  • This application uses a specific quantum circuit diagram as an example to illustrate the migration process of the distribution function. It should be noted that in other embodiments, the migration of the distribution function can also be performed through other quantum circuit diagrams, which is not specifically limited in this application.
  • Figure 7 is a schematic diagram of the quantum circuit of the migration operation in Figure 11
  • Figure 8 is a schematic diagram of the quantum circuit of the first quantum gate S1 of the migration operation in Figure 7.
  • y is the number of rows (Y-direction coordinates)
  • x is the number of columns (X-direction coordinates)
  • the two-dimensional flow field grid is described in the form of a two-dimensional array.
  • the process is to perform the following quantum state operations:
  • This operation corresponds to: on this single bit Function X gate.
  • bit Act on an X gate As shown in Figure 8, first, in the bit Act on an X gate; then, with bits is the control bit, bit is the target bit, when the bit When the quantum state of is
  • bit Act on an X gate first, in the bit Act on an X gate; then, with bits is the control bit, bit is the target bit, when the bit When the quantum state of is
  • the core migration route in step S450 is shown in Figure 7.
  • the migration operation is performed, including the following steps: perform the first quantum gate S 1 operation on the bit Z whose quantum state is
  • 1001> performs the first quantum gate S 1 operation;
  • the discrete speed direction control bit quantum state is
  • 1101> performs the second quantum gate S 2 operation;
  • 1010> performs the first quantum gate S 1 operation;
  • the discrete speed direction control bit quantum state is
  • bit Y or bit Z When bit Y or bit Z includes j+1 qubits, the encoding format of bit Y or bit Z is: Among them, j is an integer greater than or equal to 0, n is an integer and 0 ⁇ n ⁇ j.
  • the first quantum gate operation includes: bit by bit to bits The order of each bit is the target bit, when the bit is the target bit and bit to bits When the quantum states of are all
  • bit is the target bit, when the bit When the quantum state of is
  • Bits is the control bit, bit is the target bit, when the bit Bits When the quantum states of are all
  • bits Bits ... bits is the control bit, bit is the target bit, when the bit Bits ..., bits When the quantum states of are all
  • bits Bits ... bits is the control bit
  • bit is the target bit
  • the bit Bits ... bits When the quantum states of are all
  • the second quantum gate operation includes: bit by bit to bits The order of each bit is the target bit, when the bit is the target bit and bit to bits When the quantum states of are all
  • bit is the target bit, when the bit When the quantum state of is
  • Bits is the control bit, bit is the target bit, when the bit Bits When the quantum states of are all
  • bits Bits ... bits is the control bit, bit is the target bit, when the bit Bits ..., bits When the quantum states of are all
  • bits Bits ... bits is the control bit
  • bit is the target bit
  • the bit Bits ... bits When the quantum states of are all
  • step S460 is performed.
  • step S460 the flow field information is updated based on the migration operation.
  • step S460 the calculation and update of the above flow field information is implemented through quantum circuits.
  • the quantum state after performing quantum migration is:
  • the discrete speed direction control bit X includes bit X3, bit X2, bit X1 and bit X0.
  • the specific distribution in each discrete speed direction is:
  • quantum gate operations can be performed on the discrete velocity direction control bits in sequence, thereby updating the flow field information.
  • This application uses a specific quantum circuit diagram as an example to illustrate the update process of flow field information. It needs to be said that Obviously, in other embodiments, the flow field information can also be updated through other quantum circuit diagrams, which is not specifically limited in this application.
  • the quantum circuit diagram shown in Figure 10 omits two auxiliary bits, row bits and column bits, because the fluid information calculation only involves data calculations in different discrete speed directions and does not involve calculations between different position information. Obviously, the row and column bits are omitted. There won't be any quantum gate operations on the bits.
  • the H gate is applied to the bit F1 after the migration operation to obtain the data when the auxiliary bit quantum state is
  • This step is to "back up" the migrated distribution function, which is also the meaning of the second auxiliary bit.
  • the flow field information is calculated for the quantum state on
  • step S460 is only for data on the auxiliary bit quantum state
  • each quantum gate in the circuit diagram is explained, and the discrete speed on the auxiliary bit after the migration operation is
  • the direction control bit performs quantum gate operations to update flow field information:
  • bit X3 and bit X2 are used as control bits, and bit X1 is used as the target bit.
  • bit X3 and bit X2 are used as control bits, and bit X1 is used as the target bit.
  • the H gate is executed. The data operations performed by this quantum gate are as follows:
  • bit X3, bit X2, and bit X1 are used as control bits, and bit X0 is used as the target bit.
  • the fluid density information is stored at the amplitude in the
  • the flow field information (fluid density, fluid momentum in the X direction, and Y direction
  • step S470 is executed.
  • step S470 it is determined whether the updated flow field information satisfies the convergence condition.
  • the convergence conditions of this application are similar to those in the calculation of classic LBM, and the judgment process is also similar. That is to say, judging whether the flow field information satisfies the convergence condition is a technical means known to those skilled in the art. Therefore, for the sake of simplicity of the description, it will not be described in detail in this application.
  • step S480 is executed.
  • step S420 is returned based on the processed flow field information until the updated flow field information meets the convergence condition, and then step S480 is performed.
  • boundary condition processing process of this application is similar to the boundary condition processing process in the calculation of classic LBM. That is to say, performing boundary condition processing is a technical means known to those skilled in the art. Therefore, for the sake of simplicity of the description, it will not be described in detail in this application.
  • step S480 the updated flow field information is output.
  • Figure 12 is a schematic flow chart of an LBM-based quantum flow simulation method provided in Embodiment 3 of the present application, including steps S510 to S580.
  • step S510 flow field information is initialized.
  • the flow field information includes fluid density and fluid momentum.
  • the initialization information of fluid density and fluid momentum is set manually according to requirements.
  • step S520 is executed.
  • step S520 four qubits are used to encode the flow field information and distribution function based on the two-dimensional nine-velocity discrete model.
  • the four kinds of qubits are auxiliary bits, discrete speed direction control bits, Y-direction coordinate control bits and X-direction coordinate control bits; among them, the number of discrete speed direction control bits is four, and the number of auxiliary bits is two.
  • the encoding format using four qubits is:
  • bit X3 bit The number is related to the number of meshes when simulating fluids.
  • f represents the distribution function
  • m represents all the flow field information
  • m includes the fluid density ⁇ , the component ⁇ u of the fluid momentum in the X direction, and the component ⁇ v of the fluid momentum in the Y direction.
  • the coding position of the distribution function on the discrete speed direction control bit remains unchanged and is:
  • the specific encoding form of subsequent row and column position bits is related to the number of row and row bits. For example, for a 16*16 grid, the number of row bits and column bits are both 4. As a result, we encode all classical information into quantum state amplitudes.
  • step S530 is executed.
  • step S530 based on the encoded flow field information, the first-order equilibrium state distribution function in each discrete velocity direction is obtained.
  • the iterative steps of LBM at one moment include five main steps: collision, migration, macroscopic quantity calculation, boundary conditions, and equilibrium distribution function update.
  • the boundary condition update only involves some boundary nodes. Compared with all grid nodes, it can be regarded as a In small quantities, the time overhead of this step can be ignored.
  • the processes that mainly contribute to the time cost of the LBM algorithm include the collision process, the migration process, the macroscopic quantity calculation process and the equilibrium distribution function, a total of four processes involving the calculation of variables on all grid nodes. If you want to further obtain higher quantum To accelerate the effect, the equilibrium distribution function process must be quantized. Based on the above considerations, this application further truncates the above equilibrium distribution function and only considers the first-order equilibrium distribution function.
  • the first-order equilibrium distribution function is as follows:
  • the first-order equilibrium distribution function is a linear expression, although its accuracy is reduced, but under the assumption of very low Mach numbers:
  • the accuracy of the first-order equilibrium distribution function can still be guaranteed.
  • This application is based on this assumption and uses linear expressions to estimate the equilibrium distribution
  • the function is updated, and quantum circuits are further used to implement the process, thereby obtaining an LBM algorithm with a more obvious acceleration effect.
  • the first-order equilibrium distribution function is expanded to obtain the specific form in each discrete direction:
  • step S530 the acquisition of the above-mentioned first-order equilibrium state distribution function in each discrete velocity direction can be achieved through quantum circuits.
  • the quantum gate operations can be performed on the discrete speed direction control bits in sequence, so as to obtain the first-order equilibrium distribution function in each discrete speed direction.
  • This application uses a specific quantum circuit diagram as an example to illustrate the acquisition process of the first-order equilibrium distribution function. It should be noted that in other embodiments, the first-order equilibrium distribution function can also be obtained through other quantum circuit diagrams. There are no specific limitations in this application.
  • FIG. 6 is a schematic diagram of the quantum circuit for obtaining the first-order equilibrium state distribution function in Figure 12.
  • step S530 is for data on the auxiliary bit quantum state
  • each quantum gate in the circuit diagram is explained, and the auxiliary bit quantum state is explained in the following order.
  • Quantum gate operations are performed on the data in the state
  • bit X3 and bit X2 are used as control bits, and bit X1 is used as the target bit.
  • the R( ⁇ 2 ) gate is executed.
  • bit X3 and bit X2 are control bits and bit X1 as the target bit, when the quantum states of bit X3 and bit X2 are both
  • the data operations performed by this quantum gate are as follows:
  • step S540 is executed.
  • step S540 a collision operation is performed based on the first-order equilibrium distribution function and the encoded distribution function.
  • the collision process can be described as:
  • the rotation gate R( ⁇ ) is applied to the bit F0.
  • performing a collision operation in this application includes: applying an R( ⁇ ) gate on bit F0 to perform a collision operation.
  • the data operations performed by this revolving door R( ⁇ ) are as follows:
  • k here represents amplitude. It should be noted that the specific value of the rotation angle ⁇ needs to consider the influence of the equilibrium distribution function in step S530 being proportionally scaled, and those skilled in the art can reasonably infer it through the operation data.
  • step S550 is performed.
  • step S550 based on the collision operation, a migration operation is performed.
  • the quantum gate operations can be performed on the bit Z and the bit Y in the respective discrete speed directions in order to migrate the distribution function after the collision operation is performed, that is, Can.
  • This application uses a specific quantum circuit diagram as an example to illustrate the migration process of the distribution function. It should be noted that in other embodiments, the migration of the distribution function can also be performed through other quantum circuit diagrams, which is not specifically limited in this application.
  • Figure 7 is a schematic diagram of the quantum circuit of the migration operation in Figure 12
  • Figure 8 is a schematic diagram of the quantum circuit of the first quantum gate S1 of the migration operation in Figure 7.
  • y is the number of rows (Y-direction coordinates)
  • x is the number of columns (X-direction coordinates)
  • the two-dimensional flow field grid is described in the form of a two-dimensional array.
  • the process is to perform the following quantum state operations:
  • This operation corresponds to: on this single bit Function X gate.
  • bit Act on an X gate As shown in Figure 8, first, in the bit Act on an X gate; then, with bits is the control bit, bit is the target bit, when the bit When the quantum state of is
  • bit Act on an X gate first, in the bit Act on an X gate; then, with bits is the control bit, bit is the target bit, when the bit When the quantum state of is
  • the core migration route in step S550 is shown in Figure 6.
  • the migration operation is performed, including the following steps: perform the first quantum gate S 1 operation on the bit Z whose quantum state is
  • the quantum state is bit Y on
  • the discrete speed direction control bit quantum state is bit Z on
  • the control bit quantum state is
  • the discrete speed direction control bit quantum state is
  • the control bit quantum state is bit Y on
  • the control bit quantum state in the discrete speed direction is bit Z
  • bit Y or bit Z When bit Y or bit Z includes j+1 qubits, the encoding format of bit Y or bit Z is: Among them, j is an integer greater than or equal to 0, n is an integer and 0 ⁇ n ⁇ j.
  • the first quantum gate operation includes: bit by bit to bits The order of each bit is the target bit, when the bit is the target bit and bit to bits When the quantum states of are all
  • bit is the target bit, when the bit When the quantum state of is
  • Bits is the control bit, bit is the target bit, when the bit Bits When the quantum states of are all
  • bits Bits ... bits is the control bit, bit is the target bit, when the bit Bits ..., bits When the quantum states of are all
  • bits Bits ... bits is the control bit
  • bit is the target bit
  • the bit Bits ... bits When the quantum states of are all
  • the second quantum gate operation includes: bit by bit to bits The order of each bit is the target bit, when the bit is the target bit and bit to bits When the quantum states of are all
  • bit is the target bit, when the bit When the quantum state of is
  • Bits is the control bit, bit is the target bit, when the bit Bits When the quantum states of are all
  • bits Bits ... bits is the control bit, bit is the target bit, when the bit Bits ..., bits When the quantum states of are all
  • bits Bits ... bits is the control bit
  • bit is the target bit
  • the bit Bits ... bits When the quantum states of are all
  • step S560 is performed.
  • step S560 the flow field information is updated based on the migration operation.
  • step S560 the calculation and update of the above flow field information is implemented through quantum circuits.
  • the quantum state after performing quantum migration is:
  • the discrete speed direction control bit X includes bit X3, bit X2, bit X1 and bit X0.
  • the specific distribution in each discrete speed direction is:
  • quantum gate operations can be performed on the discrete velocity direction control bits in sequence, thereby updating the flow field information.
  • This application takes a specific quantum circuit diagram as an example to illustrate the update process of flow field information. It should be noted that in other embodiments, the flow field information can also be updated through other quantum circuit diagrams. This application does not make specific limitations. .
  • the quantum circuit diagram of this application for updating flow field information is shown in Figure 10.
  • the quantum circuit diagram shown in Figure 10 omits two auxiliary bits, row bits and column bits, because the fluid information calculation only involves data calculations in different discrete speed directions and does not involve calculations between different position information. Obviously, the row and column bits are omitted. There won't be any quantum gate operations on the bits.
  • the H gate is applied to the bit F1 after the migration operation to obtain the data when the auxiliary bit quantum state is
  • This step is to "back up" the migrated distribution function, which is also the meaning of the second auxiliary bit.
  • the flow field information is calculated for the quantum state on
  • step S560 is only for data on the auxiliary bit quantum state
  • each quantum gate in the circuit diagram is explained, and the discrete speed on the auxiliary bit after the migration operation is
  • the direction control bit performs quantum gate operations to update flow field information:
  • bit X3 and bit X2 are used as control bits, and bit X1 is used as the target bit.
  • bit X3 and bit X2 are used as control bits, and bit X1 is used as the target bit.
  • the H gate is executed. The data operations performed by this quantum gate are as follows:
  • bit X3, bit X2, and bit X1 are used as control bits, and bit X0 is used as the target bit.
  • the fluid density information is stored at the amplitude in the
  • the flow field information (fluid density, fluid momentum in the X direction, and Y direction
  • step S570 is executed.
  • step S570 it is determined whether the updated macroscopic quantity satisfies the convergence condition.
  • the convergence conditions of this application are similar to those in the calculation of classic LBM, and the judgment process is also similar. That is to say, judging whether the flow field information satisfies the convergence condition is a technical means known to those skilled in the art. Therefore, for the sake of simplicity of the description, it will not be described in detail in this application.
  • step S580 is executed.
  • step S520 is returned based on the processed flow field information until the updated flow field information meets the convergence condition, and then step S580 is performed.
  • boundary condition processing process of this application is similar to the boundary condition processing process in the calculation of classic LBM. That is to say, performing boundary condition processing is a technical means known to those skilled in the art. Therefore, for the sake of simplicity of the description, it will not be described in detail in this application.
  • step S580 the updated flow field information is output.
  • the calculation steps of the equilibrium state distribution function, collision step, migration step and macroscopic quantities in the fluid simulation process are quantized, with Exponential acceleration effect. Since the complexity of other steps of the LBM-based quantum fluid simulation method is much smaller than the complexity of the equilibrium distribution function, collision step, migration step and macroscopic quantity calculation steps, other steps of the LBM-based quantum fluid simulation method can It is implemented using classical calculations, that is to say, this application achieves a global exponential acceleration effect in the overall solution.
  • this application also provides an LBM-based quantum flow simulation device 600 corresponding to the method shown in Figure 4, including an initialization module 610, an encoding module 620, an acquisition module 630, a migration module 640, an update module 650, and a judgment module.
  • Module 660 an initialization module 610, an encoding module 620, an acquisition module 630, a migration module 640, an update module 650, and a judgment module.
  • Initialization module 610 is used to initialize flow field information; wherein the flow field information includes fluid density and fluid momentum;
  • the encoding module 620 is used to encode one or more of the equilibrium state distribution function, distribution function and flow field information using qubits based on the D 2 Q 9 model; in the LBM-based quantum flow simulation device provided in this application.
  • the information encoded by the encoding module is different.
  • Embodiment 4, Embodiment 5, and Embodiment 6 please refer to Embodiment 4, Embodiment 5, and Embodiment 6 below.
  • the acquisition module 630 is used to obtain encoding information based on the encoding of the encoding module
  • Migration module 640 used to perform migration operations based on encoding information
  • the update module 650 is used to update the flow field information after the migration operation
  • the judgment module 660 is used to judge whether the updated flow field information meets the convergence condition.
  • the LBM-based quantum flow simulation device 600 provided by this application further includes a processing module 670 .
  • the processing module 670 is used to perform boundary condition processing on the updated flow field information if the updated flow field information does not meet the convergence conditions, and re-perform quantum flow simulation based on the processed flow field information until the updated flow field information satisfies the convergence condition. Convergence conditions, output updated flow field information.
  • the operations of the processing module to re-perform quantum flow simulation based on the processed flow field information are different. For details, please refer to each embodiment below.
  • the LBM-based quantum flow simulation device provided by this application belongs to the same inventive concept as the LBM-based quantum flow simulation method, and therefore has the same beneficial effects, which will not be described again here.
  • the quantum flow simulation device 700 based on LBM in the fourth embodiment includes an initialization module 710, an encoding module 720, an acquisition module 730, a migration module 740, an update module 750, a judgment module 760, and a processing module 770.
  • Initialization module 710 is used to initialize flow field information; wherein the flow field information includes fluid density and fluid momentum;
  • Encoding module 720 is used to encode flow field information using three qubits based on the D 2 Q 9 model; the three qubits are discrete velocity direction control bits, Y-direction coordinate control bits and X-direction coordinate control bits; among which, discrete velocity The number of direction control bits is four;
  • the acquisition module 730 is used to acquire the first-order equilibrium state distribution function in each discrete velocity direction based on the encoded flow field information
  • the migration module 740 is used to perform migration operations based on the first-order equilibrium distribution function
  • the update module 750 is used to update the flow field information after the migration operation
  • the judgment module 760 is used to judge whether the updated flow field information meets the convergence condition
  • the processing module 770 is used to perform boundary condition processing on the updated flow field information if not, and return to perform the steps of using three qubits to encode the flow field information based on the processed flow field information until the updated flow field information is obtained. When the convergence conditions are met, the updated flow field information is output.
  • the LBM-based quantum flow simulation device provided in Embodiment 4 and the LBM-based quantum flow simulation method provided in Embodiment 1 belong to the same inventive concept, and therefore have the same beneficial effects, which will not be described again here.
  • the quantum flow simulation device 800 based on LBM in the fifth embodiment includes an initialization module 810, an acquisition module 820, an encoding module 830, a collision module 840, a migration module 850, an update module 860, a judgment module 870, and a processing module. 880.
  • Initialization module 810 is used to initialize flow field information; wherein the flow field information includes fluid density and fluid momentum;
  • the acquisition module 820 is used to calculate the equilibrium distribution function according to the flow field information
  • Encoding module 830 is used to encode the equilibrium state distribution function and distribution function using four qubits based on the D 2 Q 9 model; the four qubits are auxiliary bits, discrete speed direction control bits, Y direction coordinate control bits and X direction coordinates. Control bits; among them, the number of discrete speed direction control bits is four, and the number of auxiliary bits is two;
  • the collision module 840 is used to perform a collision operation based on the encoded equilibrium distribution function and distribution function;
  • the migration module 850 is used to perform the migration operation based on the collision operation
  • the update module 860 is used to update the flow field information after the migration operation
  • the judgment module 870 is used to judge whether the updated flow field information meets the convergence condition
  • the processing module 880 is configured to perform boundary condition processing on the updated flow field information if not, and return to the step of calculating the equilibrium distribution function based on the processed flow field information until the updated flow field information meets the convergence conditions, Output the updated flow field information.
  • the LBM-based quantum flow simulation device provided in Embodiment 5 and the LBM-based quantum flow simulation method provided in Embodiment 2 belong to the same inventive concept, and therefore have the same beneficial effects, which will not be described again here.
  • the LBM-based quantum flow simulation device 900 provided in Embodiment 6 includes an initialization module 910, an encoding module 920, an acquisition module 930, a collision module 940, a migration module 950, an update module 960, a judgment module 970, and a processing module. Module 980.
  • Initialization module 910 is used to initialize flow field information; wherein the flow field information includes fluid density and fluid momentum;
  • Encoding module 920 is used to encode flow field information and distribution functions using four qubits based on the D 2 Q 9 model; the four qubits are auxiliary bits, discrete speed direction control bits, Y direction coordinate control bits and X direction coordinate control bits. bits; among them, the number of discrete speed direction control bits is four, and the number of auxiliary bits is two;
  • the acquisition module 930 is used to obtain the first-order equilibrium state distribution function in each discrete velocity direction based on the encoded flow field information
  • the collision module 940 is used to perform a collision operation based on the first-order equilibrium distribution function and the encoded distribution function;
  • the migration module 950 is used to perform the migration operation based on the collision operation
  • the update module 960 is used to update the flow field information after the migration operation
  • the judgment module 970 is used to judge whether the updated flow field information meets the convergence condition
  • the processing module 980 is used to perform boundary condition processing on the updated flow field information if not, and return to perform the steps of using four qubits to encode the flow field information and distribution function based on the D 2 Q 9 model based on the processed flow field information. , until the updated flow field information meets the convergence conditions, and the updated flow field information is output.
  • the LBM-based quantum flow simulation device provided in Embodiment 6 and the LBM-based quantum flow simulation method provided in Embodiment 3 belong to the same inventive concept, and therefore have the same beneficial effects, which will not be described again here.
  • Embodiments of the present application also provide a storage medium in which a computer program is stored, wherein the computer program is configured to execute the steps in any of the above method embodiments when running.
  • the above-mentioned storage medium may be configured to store a computer program for performing the following steps, including steps S210-S250.
  • step S210 the flow field information is initialized; wherein the flow field information includes fluid density and fluid momentum;
  • step S220 one or more of the qubit-encoded equilibrium state distribution function, distribution function and flow field information are used to encode based on the D 2 Q 9 model to obtain encoded information;
  • step S230 perform a migration operation based on the encoded information
  • step S240 after the migration operation, the flow field information is updated
  • step S250 it is determined whether the updated flow field information satisfies the convergence condition.
  • the above computer program provided by this application further includes step S260.
  • step S260 if If the updated flow field information does not meet the convergence conditions, perform boundary condition processing on the updated flow field information, and re-perform quantum flow simulation based on the processed flow field information until the updated flow field information meets the convergence conditions, and output Updated flow field information.
  • the above-mentioned storage medium may include but is not limited to: U disk, read-only memory (Read-Only Memory, referred to as ROM), random access memory (Random Access Memory) (abbreviated as RAM), mobile hard disk, magnetic disk or optical disk and other media that can store computer programs.
  • ROM read-only memory
  • RAM random access memory
  • mobile hard disk magnetic disk or optical disk and other media that can store computer programs.
  • An embodiment of the present application also provides an electronic device, including a memory and a processor.
  • a computer program is stored in the memory, and the processor is configured to run the computer program to execute the steps in any of the above method embodiments.
  • the above-mentioned electronic device may further include a transmission device and an input-output device, wherein the transmission device is connected to the above-mentioned processor, and the input-output device is connected to the above-mentioned processor.
  • the above-mentioned processor may be configured to perform the following steps through a computer program, including steps S210-S250.
  • step S210 the flow field information is initialized; wherein the flow field information includes fluid density and fluid momentum;
  • step S220 one or more of the qubit-encoded equilibrium state distribution function, distribution function and flow field information are used to encode based on the D 2 Q 9 model to obtain encoded information;
  • step S230 perform a migration operation based on the encoded information
  • step S240 after the migration operation, the flow field information is updated
  • step S250 it is determined whether the updated flow field information satisfies the convergence condition.
  • the above computer program provided by this application further includes step S260.
  • step S260 if the updated flow field information does not meet the convergence conditions, boundary condition processing is performed on the updated flow field information, and the quantum flow simulation is re-carried out based on the processed flow field information until the updated flow field The information meets the convergence conditions and the updated flow field information is output.
  • Embodiments of the present application also provide a quantum computer operating system that implements LBM-based quantum flow simulation according to any of the above method embodiments provided in the embodiments of the present invention.
  • Embodiments of the present application also provide a quantum computer, which includes the above-mentioned quantum computer operating system.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供了一种基于LBM的量子流动模拟方法、装置、介质及设备。该方法包括：初始化流场信息；其中，所述流场信息包括流体密度和流体动量；基于D2Q9型使用量子比特编码平衡态分布函数、分布函数以及流场信息中的一种或多种进行编码，得到编码后的信息；基于所述编码后的信息，执行迁移操作；基于所述迁移操作后，更新所述流场信息；判断更新后的所述流场信息是否满足收敛条件。能够解决相关技术中经典LBM的计算量庞大的问题，提高了模拟方法模拟的雷诺数，拓宽了模拟方法实际应用范围。

Description

基于LBM的量子流动模拟方法、装置、介质及设备
本申请要求于2022年7月6日提交中国专利局、申请号为202210807674.7、申请名称为“基于LBM的量子流动模拟方法、装置、介质及设备”的中国专利申请的优先权，要求于2022年7月6日提交中国专利局、申请号为202210807673.2、申请名称为“基于LBM的量子流动模拟方法、装置、介质及设备”的中国专利申请的优先权，要求于2022年7月6日提交中国专利局、申请号为202210807672.8、申请名称为“基于LBM的量子流动模拟方法、装置、介质及设备”的中国专利申请的优先权，这些专利的全部内容通过引用结合在本申请中。
技术领域
本申请涉及量子计算领域，并且更为具体地涉及一种基于LBM的量子流动模拟方法、装置、介质及设备。
背景技术
LBM(英文：Lattice Boltzmann Method；中文：格子玻尔兹曼方法)是一种介观模拟方法，其核心为气体动理论基础方程——玻尔兹曼方程。其具体形式如下：
其中f为粒子分布函数，与粒子空间位置r，速度ξ和时间t相关。方程第一项表征粒子分布函数随时间的演变，第二项表征粒子本身运动贡献，第三项表征外力贡献，第四项表征粒子相互碰撞的贡献。碰撞项的具体形式与选取的碰撞模型相关，一般称为碰撞积分项。碰撞积分项通常很复杂，给玻尔兹曼方程求解带来了极大的困难。
为了对玻尔兹曼方程进行数值求解，采用Bhatnagar-Gross-Krook单松弛碰撞模型简化碰撞项，利用D2Q9模型进行速度空间离散，对玻尔兹曼方程沿特征线积分后采用一阶矩形法逼近进行时间空间离散，并忽略外力项，得到LBM的离散控制方程如下：
碰撞过程：
迁移过程：
fi(x+eiδt,t+δt)＝fi(x,t+δt)
其中，x为空间离散后的节点位置，τ为碰撞的松弛时间，ei为离散速度，δt为离散后的时间步长，feq为局部平衡态分布函数，下标i表示离散速度方向。
请参照图1，图1为本申请一示例性实施例提供的二维九速度离散模型示意图。如图1所示，D2Q9模型具有9个离散速度方向，分别为：e0＝(0,0),e1＝(1,0)c,e2＝(0,1)c,
e3＝(-1,0)c,e4＝(0,-1)c，e5＝(1,1)c,e6＝(-1,1)c,e7＝(-1,-1)c,e8＝(1,-1)c。
由各阶矩方程可以推导出模型各参数为：
其中，ωi为各离散速度方向的权重因子，δx为网格步长。c＝δx/δt为格子速度，数值模拟一般取c＝1。cs为流体无量纲声速，由此确定LBM特征速度。LBM中平衡态分布函数取Maxwell分布，形式如下：
流动宏观量与分布函数之间的关系可由守恒型条件推导，形式如下：
ρ＝f0+f1+f2+f3+f4+f5+f6+f7+f8
ρu＝f1-f3+f5-f7+f8-f6
ρv＝f2-f4+f5-f7+f6-f8
其中，ρ为流体密度，v为Y方向上的速度，u为X方向上的速度，ρu表示流体动量在X方向上的分量，ρv表示流体动量在Y方向上的分量。
利用Chapman-Enskog多尺度分析技术可以将LBM的离散控制方程还原到不可压缩Navier-Stokes方程，从而证明了LBM方法的有效性。在多尺度分析过程中可以得到LBM中松弛时间τ与流动特征 量之间的关系为：
其中，Nx、Ma、Re分别为特征方向网格节点数目、流动马赫数和流动雷诺数。LBM数值稳定性要求松弛时间τ不过于接近0.5，显然当流动雷诺数Re较大时，为了保证方法稳定需要较大数量的网格节点。
综上所述，由于经典LBM的计算时间复杂度与网格节点数呈线性关系，因此，模拟高雷诺数流动时，经典LBM方法的计算量难以承受。
发明内容
本申请的目的是提供一种基于LBM的量子流动模拟方法、装置、介质及设备，以解决现有技术中经典LBM的计算量庞大的问题，降低了LBM求解时间与网格数的依赖关系，从而实现流动问题的快速求解，或者在相同计算耗时的约束下大大提高模拟网格数。
为解决上述技术问题，第一方面，本申请提供一种基于LBM的量子流动模拟方法，包括：初始化流场信息；其中，所述流场信息包括流体密度和流体动量；基于D2Q9型使用量子比特编码平衡态分布函数、分布函数以及流场信息中的一种或多种进行编码，得到编码后的信息；基于所述编码后的信息，执行迁移操作；基于所述迁移操作后，更新所述流场信息；判断更新后的所述流场信息是否满足收敛条件。
可选地，若更新后的所述流场信息若不满足收敛条件，对更新后的所述流场信息执行边界条件处理，并基于处理后的所述流场信息重新进行所述量子流动模拟，直至更新后的所述流场信息满足收敛条件，输出更新后的所述流场信息。
可选地，所述基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多种进行编码，得到编码后的信息，包括：基于所述D2Q9模型使用三种量子比特编码所述流场信息，得到所述编码后的信息，所述编码后的信息包括编码后的所述流场信息；所述三种量子比特分别为离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位；所述基于所述编码后的信息，执行迁移操作，包括：基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数；基于各离散速度方向上的一阶平衡态分布函数，执行所述迁移操作。
可选地，所述基于处理后的所述流场信息重新进行所述量子流动模拟，包括：基于处理后的所述流场信息返回执行使用三种量子比特编码所述流场信息的步骤。
可选地，所述基于所述D2Q9模型使用三种量子比特编码所述流场信息包括：使用三种量子比特的编码格式为：|X3X2X1X0YZ>，其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特Y表征Y方向坐标控制比特，比特Z表征X方向坐标控制比特；比特Y和比特Z的数量与模拟流体时的网格数量相关；基于三种量子比特对所述流场信息的编码格式为：
其中，v为Y方向上的速度，u为X方向上的速度，ρu表示流体动量在X方向上的分量，ρv表示流体动量在Y方向上的分量。
可选地，所述基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数，包括： 按顺序对离散速度方向控制比特进行量子门操作以获取各离散速度方向上的一阶平衡态分布函数。
可选地，所述按顺序对离散速度方向控制比特进行量子门操作，包括：按以下顺序对离散速度方向控制比特进行量子门操作以获取各离散速度方向上的一阶平衡态分布函数：以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|0>时，执行H门；以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|0>时，执行R(α1)门；以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|1>时，执行R(θ1)门；以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行R(α2)门；以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(θ2)门；以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门；以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。
可选地，所述基于一阶平衡态分布函数，执行迁移操作，包括：按顺序对各自离散速度方向上的比特Z和比特Y进行量子门操作，以对所述一阶平衡态分布函数进行迁移。
可选地，所述按顺序对各自离散速度方向上的比特Z和比特Y进行量子门操作，包括：按以下顺序对比特Z和比特Y进行量子门操作以按照各自离散速度方向对所述一阶平衡态分布函数进行迁移：对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1100>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门操作；对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1110>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门操作；对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门操作。
可选地，所述基于迁移操作后，更新所述流场信息，包括：按顺序对离散速度方向控制比特进行量子门操作以更新所述流场信息。
可选地，所述按顺序对离散速度方向控制比特进行量子门操作以更新所述流场信息，包括：按以下顺序对离散速度方向控制比特进行量子门操作；以比特X3为控制比特、比特X2为目标比特，当比特X3的量子态为|1>时，执行H门；以比特X3、比特X2、比特X1为控制比特、比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门；以比特X3、比特X2为控制比特、比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(d)门；以比特X3、比特X2为控制比特、比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行H门；以比特X3、比特X2、比特X1为控制比特、比特X0为目标比特，当比特X3的量子态为|1>、比特X2和比特X1的量子态为|0>时，执行H门；在比特X3上作用R(e)门。
可选地，所述方法还包括：根据所述流场信息，计算平衡态分布函数；所述基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多种进行编码，得到编码后的信息，包括：基于所述D2Q9模型使用四种量子比特编码所述平衡态分布函数和分布函数，得到所述编码后的信息，所述编码后的信息包括编码后的所述平衡态分布函数和编码后的所述分布函数；所述四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；所述基于编码后的信息，执行迁移操作，包括：基于编码后的所述平衡态分布函数和所述分布函数，执行碰撞操作；基于所述碰撞操作后，执行所述迁移操作。
可选地，所述基于处理后的所述流场信息重新进行所述量子流动模拟，包括：基于处理后的所述流场信息返回执行计算所述平衡态分布函数的步骤。
可选地，所述基于所述D2Q9模型使用四种量子比特编码所述平衡态分布函数和分布函数，包括：使用四种量子比特的编码格式为：|F1F0X3X2X1X0YZ>其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特Y表征Y方向坐标控制比特，比特Z表征X方向坐标控制比特，比特F1和比特F0表征辅助比特；比特Y和比特Z的数量与模拟流体时的网格数量相关；基于辅助比特对所述平衡态分布函数和所述分布函数的编码格式为：其中，f表征分布函 数，feq表征平衡态分布函数。
可选地，所述基于编码后的所述平衡态分布函数和所述分布函数，执行碰撞操作，包括：在所述比特F0上作用R(θ)门以执行碰撞操作。
可选地，所述基于碰撞操作后，执行所述迁移操作，包括：按顺序对各自离散速度方向上的所述比特Z和比特Y进行量子门操作，以对执行碰撞操作后的分布函数进行迁移。
可选地，所述按顺序对各自离散速度方向上的所述比特Z和比特Y进行量子门操作，包括：按以下顺序对比特Z和比特Y进行量子门操作以按照各自离散速度方向对执行碰撞操作后的分布函数进行迁移：对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1100>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门操作；对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1110>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门操作；对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门操作。
可选地，所述基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多种进行编码，得到编码后的信息包括：基于所述D2Q9模型使用四种量子比特编码所述流场信息和分布函数，得到所述编码后的信息，所述编码后的信息包括编码后的所述流场信息和编码后的所述分布函数；所述四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；所述基于编码后的信息，执行迁移操作，包括：基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数；基于所述一阶平衡态分布函数和编码后的所述分布函数，执行碰撞操作；基于所述碰撞操作后，执行所述迁移操作。
可选地，所述基于处理后的所述流场信息重新进行所述量子流动模拟，包括：基于处理后的所述流场信息返回执行基于所述D2Q9模型使用四种量子比特编码所述流场信息和分布函数的步骤。
可选地，所述基于所述D2Q9模型使用四种量子比特编码所述流场信息和分布函数，包括：使用四种量子比特的编码格式为：|F1F0X3X2X1X0YZ>其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特Y表征Y方向坐标控制比特，比特Z表征X方向坐标控制比特，比特F1和比特F0表征辅助比特；比特Y和比特Z的数量与模拟流体时的网格数量相关；基于辅助比特位对所述分布函数和所述流场信息的编码格式为：其中，f表征分布函数，m表征所述流场信息。
可选地，所述基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数，包括：对辅助比特量子态为|01>上的离散速度方向控制比特进行量子门操作以获取各离散速度方向上的一阶平衡态分布函数。
可选地，所述对辅助比特量子态为|01>上的离散速度方向控制比特进行量子门操作，包括：按以下顺序对辅助比特量子态为|01>上的离散速度方向控制比特进行量子门操作：以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|0>时，执行H门；以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|0>时，执行R(α1)门；以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|1>时，执行R(θ1)门；以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行R(α2)门；以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(θ2)门；以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门；以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。
可选地，所述基于所述一阶平衡态分布函数和编码后的所述分布函数，执行碰撞操作，包括：在所述比特F0上作用R(θ)门以执行碰撞操作。
可选地，所述基于碰撞操作后，执行所述迁移操作，包括：按顺序对各自离散速度方向上的所述 比特Z和比特Y进行量子门操作，以对执行碰撞操作后的分布函数进行迁移。
可选地，所述按顺序对各自离散速度方向上的所述比特Z和比特Y进行量子门操作，包括：按以下顺序对比特Z和比特Y进行量子门操作以按照各自离散速度方向对执行碰撞操作后的分布函数进行迁移：对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1100>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门操作；对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门操作；对离散速度方向控制比特量子态为|1110>上的比特Z进行第二量子门操作；对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门操作；对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门操作；对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门操作。
可选地，所述基于迁移操作后，更新所述流场信息，包括：对执行迁移操作后的比特F1作用H门，获得辅助比特量子态为|10>时的数据；对辅助比特量子态为|10>上的离散速度方向控制比特进行量子门操作以更新所述流场信息。
可选地，所述对辅助比特量子态为|10>上的离散速度方向控制比特进行量子门操作，包括：按以下顺序对辅助比特量子态为|10>上的离散速度方向控制比特进行量子门操作以更新所述流场信息：以比特X3为控制比特、比特X2为目标比特，当比特X3的量子态为|1>时，执行H门；以比特X3、比特X2、比特X1为控制比特、比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门；以比特X3、比特X2为控制比特、比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(d)门；以比特X3、比特X2为控制比特、比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行H门；以比特X3、比特X2、比特X1为控制比特、比特X0为目标比特，当比特X3的量子态为|1>、比特X2和比特X1的量子态为|0>时，执行H门；在比特X3上作用R(e)门。
可选地，所述迁移操作中比特Y或比特Z包括j+1个量子比特时，比特Y或比特Z的编码格式为：其中，j为大于或等于0的整数，n为整数且0≤n≤j；所述第一量子门操作包括：按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|0>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门；所述第二量子门操作包括：按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|1>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门。
第二方面，提供一种基于LBM的量子流动模拟装置，所述装置包括：初始化模块，用于初始化流场信息；其中，所述流场信息包括流体密度和流体动量；编码模块，用于基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多种进行编码；获取模块，用于基于编码模块的编码获取编码信息；迁移模块，用于基于所述编码信息，执行迁移操作；更新模块，用于基于所述迁移操作后，更新所述流场信息；判断模块，用于判断更新后的所述流场信息是否满足收敛条件。
可选地，所述装置包括：处理模块，用于若否，对更新后所述流场信息执行边界条件处理，并基于处理后的所述流场信息重新进行所述量子流动模拟，直至更新后的所述流场信息满足收敛条件，输出更新后的所述流场信息。
可选地，所述编码模块，用于基于所述D2Q9模型使用三种量子比特编码所述流场信息；所述三种量子比特分别为离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位；所述获取模块，用于基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数；所述迁移模块，用于基于所述各离散速度方向上的一阶平衡态分布函数，执行所述迁移操作。
可选地，所述获取模块，用于根据所述流场信息，计算平衡态分布函数；所述编码模块，用于基于所述D2Q9模型使用四种量子比特编码所述平衡态分布函数和分布函数；所述四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；所述量子流动模拟装置还包括：第一模块，用于基于编码后的所述平衡态分布函数和所述分布函数，执行碰撞操作；所述迁移模块，用于基于所述碰撞操作，执行所述迁移操作。
可选地，所述编码模块，用于基于所述D2Q9模型使用四种量子比特编码所述流场信息和分布函数； 所述四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；所述获取模块，用于基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数；所述量子流动模拟装置还包括：第二模块，用于基于所述一阶平衡态分布函数和编码后的所述分布函数，执行碰撞操作；所述迁移模块，用于基于所述碰撞操作，执行所述迁移操作。
第三方面，提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被设置为运行时执行上述第一方面所述的基于LBM的量子流动模拟方法。
第四方面，提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述第一方面所述的基于LBM的量子流动模拟方法。
第五方面，提供一种量子计算机操作系统，所述量子计算机操作系统根据上述第一方面所述的方法实现基于LBM的量子流动模拟。
第六方面，提供一种量子计算机，所述量子计算机包括上述第五方面所述的量子计算机操作系统。
基于上述基于LBM的量子流动模拟方法，可以对流体模拟过程中的平衡态分布函数和/或碰撞步、迁移步和流场信息的计算步骤进行了量子化，具有指数加速效果。由于基于LBM的流动模拟方法的其它步骤的复杂度远小于平衡态分布函数、碰撞步、迁移步和宏观量的计算步骤的复杂度，因此基于LBM的量子流体模拟方法其它步骤可以采用经典计算实现，也就是说，本申请使得整体求解上获得了全局的指数加速效果。
本申请提供的基于LBM的量子流动模拟装置、存储介质及电子设备，与基于LBM的量子流动模拟方法属于同一发明构思，因此具有相同的有益效果，在此不再赘述。
附图说明
图1为二维九速度离散模型示意图。
图2是本申请实施例提供的一种基于LBM的量子流动模拟方法的计算机终端的硬件结构示意图。
图3为本申请实施例提供的一种量子线路的展现方式的示意图。
图4为本申请实施例提供的一种基于LBM的量子流动模拟方法的流程示意图。
图5为本申请实施例一提供的一种基于LBM的量子流动模拟方法的流程示意图。
图6为本申请实施例中获取一阶平衡态分布函数的量子线路示意图。
图7为本申请实施例中迁移操作的量子线路示意图。
图8为本申请实施例中迁移操作的第一量子门量子线路示意图。
图9为本申请实施例中迁移操作的第二量子门量子线路示意图。
图10为本申请实施例中更新流场信息的量子线路示意图。
图11为本申请实施例二提供的一种基于LBM的量子流动模拟方法的流程示意图。
图12本申请实施例三提供的一种基于LBM的量子流动模拟方法的流程示意图。
图13为本申请实施例提供的一种基于LBM的量子流动模拟装置的示意框图。
图14为本申请实施例四提供的一种基于LBM的量子流动模拟装置的示意框图。
图15为本申请实施例五提供的一种基于LBM的量子流动模拟装置的示意框图。
图16为本申请实施例六提供的一种基于LBM的量子流动模拟装置的示意框图。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
本申请实施例首先提供了一种基于LBM的量子流动模拟方法，该方法可以应用于电子设备，如计算机终端，具体如普通电脑、量子计算机等。
下面以运行在计算机终端上为例对其进行详细说明。图2为本申请实施例提供的一种基于LBM的量子流动模拟方法的计算机终端的硬件结构框图。如图2所示，计算机终端10可以包括一个或多个(图2中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述计算机终端还可以包括用于通信功能的传输装置106以及输入输出设备108。本领域普通技术人员可以理解，图2所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端10还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的基于LBM的量子流 动模拟方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
需要说明的是，真正的量子计算机是混合结构的，它包含两大部分：一部分是经典计算机，负责执行经典计算与控制；另一部分是量子设备，负责运行量子程序进而实现量子计算。而量子程序是由量子语言如QRunes语言编写的一串能够在量子计算机上运行的指令序列，实现了对量子逻辑门操作的支持，并最终实现量子计算。具体的说，量子程序就是一系列按照一定时序操作量子逻辑门的指令序列。
在实际应用中，因受限于量子设备硬件的发展，通常需要进行量子计算模拟以验证量子算法、量子应用等等。量子计算模拟即借助普通计算机的资源搭建的虚拟架构(即量子虚拟机)实现特定问题对应的量子程序的模拟运行的过程。通常，需要构建特定问题对应的量子程序。本发明实施例所指量子程序，即是经典语言编写的表征量子比特及其演化的程序，其中与量子计算相关的量子比特、量子逻辑门等等均有相应的经典代码表示。
量子线路作为量子程序的一种体现方式，也称量子逻辑电路，是最常用的通用量子计算模型，表示在抽象概念下对于量子比特进行操作的线路，其组成包括量子比特、线路(时间线)，以及各种量子逻辑门，最后常需要通过量子测量操作将结果读取出来。
量子线路的展现方式可以是按一定时序排列的量子逻辑门序列，具体的，例如：
q0:RX(q0)、H(q0)、CNOT(q0,q2)、X(q0)
q1:X(q1)、RY(q1)、H(q1)、CNOT(q2,q1)
q2:H(q2)、X(q2)、CNOT(q0,q2)、CNOT(q2,q1)、RZ(q2)
与上述量子逻辑门序列对应的量子线路的更为形象的一种展现方式，参照图3所示。
不同于传统电路是用金属线所连接以传递电压信号或电流信号，在量子线路中，线路可看成是由时间所连接，亦即量子比特的状态随着时间自然演化，在这过程中按照哈密顿运算符的指示，一直到遇上量子逻辑门而被操作。
一个量子程序整体上对应有一条总的量子线路，本申请所述量子程序即指该条总的量子线路，其中，该总的量子线路中的量子比特总数与量子程序的量子比特总数相同。可以理解为：一个量子程序可以由量子线路、针对量子线路中量子比特的测量操作、保存测量结果的寄存器及控制流节点(跳转指令)组成，一条量子线路可以包含几十上百个甚至千上万个量子逻辑门操作。量子程序的执行过程，就是对所有的量子逻辑门按照一定时序执行的过程。需要说明的是，时序即单个量子逻辑门被执行的时间顺序。
需要说明的是，经典计算中，最基本的单元是比特，而最基本的控制模式是逻辑门，可以通过逻辑门的组合来达到控制电路的目的。类似地，处理量子比特的方式就是量子逻辑门。使用量子逻辑门，能够使量子态发生演化，量子逻辑门是构成量子线路的基础，量子逻辑门包括单比特量子逻辑门，如Hadamard门(H门，阿达马门)、泡利-X门(X门)、泡利-Y门(Y门)、泡利-Z门(Z门)、RX门、RY门、RZ门等等；多比特量子逻辑门，如CNOT门、CR门、iSWAP门、Toffoli门等等。量子逻辑门一般使用酉矩阵表示，而酉矩阵不仅是矩阵形式，也是一种操作和变换。一般量子逻辑门在量子态上的作用是通过酉矩阵左乘以量子态右矢对应的矩阵进行计算的。
量子态，即量子比特的逻辑状态，在量子算法(或称量子程序)中用二进制表示，例如，一组量子比特为q0、q1、q2，表示第0位、第1位、第2位量子比特，从高位到低位排序为q2q1q0，该组量子比特对应的量子态共有2的量子比特总数次方个，是指8个本征态(确定的状态)：|000>、|001>、|010>、|011>、|100>、|101>、|110>、|111>，每个量子态的位与量子比特对应一致，如|000>态，000从高位到低位对应q2q1q0，|>为狄拉克符号。
以单个量子比特说明，单个量子比特的逻辑状态ψ可能处于|0>态、|1>态、|0>态和|1>态的叠加态(不确定状态)，具体可以表示为ψ＝a|0>+b|1>，其中，a和b为表示量子态振幅(概率幅)的复数,振幅的平方表示概率，a2、b2分别表示逻辑状态是|0>态、|1>态的概率，a2+b2＝1。简言之，量子态 是各本征态组成的叠加态，当其他态的概率为0时，即处于唯一确定的本征态。
下面对本发明实施例提供的一种基于LBM的量子流动模拟方法作进一步描述说明。
参见图4，图4是本申请实施例提供的一种基于LBM的量子流动模拟方法流程示意图，包括步骤S210-S250。
在步骤S210中，初始化流场信息；其中，流场信息包括流体密度和流体动量；流体密度和流体动量的初始化信息为根据需求人为设置。
在初始化流场信息后，执行步骤S220。
在步骤S220中，基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及流场信息中的一种或多种进行编码，得到编码后的信息；在本申请提供的模拟方法的不同实施例中，会基于D2Q9模型使用量子比特对不同的信息进行编码，具体参见各实施例的解释。
在步骤S230中，基于编码后的信息，执行迁移操作；
在步骤S240中，基于迁移操作后，更新流场信息；
在步骤S250中，判断更新后的流场信息是否满足收敛条件。
在一种可能的实现方式中，上述方法还包括步骤S260。在步骤S260中，若更新后的流场信息若不满足收敛条件，对更新后的流场信息执行边界条件处理，并基于处理后的流场信息重新进行量子流动模拟，直至更新后的流场信息满足收敛条件，输出更新后的流场信息。在本申请的不同实施例中，基于处理后的处理后的流场信息重新进行量子流动模拟时的操作不同，具体参见下文各实施例中的具体解释。
与现有技术相比，基于图4所示出的基于LBM的量子流动模拟方法，对流体模拟过程中的平衡态分布函数和/或碰撞步、迁移步和宏观量的计算步骤进行了量子化。由于基于LBM的流动模拟方法的其它步骤的复杂度远小于平衡态分布函数、碰撞步、迁移步和宏观量的计算步骤的复杂度，因此基于LBM的量子流体模拟方法其它步骤可以采用经典计算实现，也就是说，本申请使得整体求解上获得了全局的指数加速效果。
实施例一
参见图5，图5是本申请实施例一提供的一种基于LBM的量子流动模拟方法流程示意图，包括步骤S310-S370。
在步骤S310中，初始化流场信息。其中，流场信息包括流体密度和流体动量。流体密度和流体动量的初始化信息为根据需求人为设置。
在获取初始化流场信息后，执行步骤S320。
在步骤S320中，基于二维九速度离散模型使用三种量子比特编码流场信息。其中，三种量子比特分别为离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特。其中，离散速度方向控制比特数量为四位。
在一种可能的实现方式中，使用三种量子比特的编码格式为：|X3X2X1X0YZ>
其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特Y表征Y方向坐标控制比特，比特Z表征X方向坐标控制比特；比特Y和比特Z的数量与模拟流体时的网格数量相关。
基于三种量子比特对流场信息的编码格式为：
其中，ρ为流体密度，v为Y方向上的速度，u为X方向上的速度，ρu表示流体动量在X方向上的分量，ρv表示流体动量在Y方向上的分量。
使用三种量子比特编码流场信息后，执行步骤S330。
在步骤S330中，基于编码后的流场信息，获取各离散速度方向上的一阶平衡态分布函数。
经典LBM中，平衡态分布函数取Maxwell分布，形式如下：
由于上述平衡态分布函数是非线性的，难以利用量子线路实现。LBM一个时刻的迭代步包含碰撞、迁移、宏观量计算、边界条件、平衡态分布函数更新5个主要步骤，其中边界条件更新只涉及部分边界节点，相比于所有网格节点可以看作是一个小量，该步骤时间开销可以忽略。
因此，对LBM算法时间开销做主要贡献的流程有碰撞过程、迁移过程、宏观量计算过程和平衡态分布函数共4个涉及所有网格节点上变量计算的过程，想要进一步获得更高的量子加速效果，必须对平衡态分布函数过程进行量子化。本申请基于上述考虑，对上述平衡态分布函数进一步截断，只考虑一阶平衡态分布函数，一阶平衡态分布函数如下所示：
一阶平衡态分布函数为线性表达式，尽管其精度降低了，但是在极低马赫数假设下：
一阶平衡态分布函数的精度依然可以保证。本申请基于这一假设，利用线性表达式对平衡态分布函数进行更新，进一步利用量子线路实现该过程，从而获得一种加速效果更加明显的LBM算法。
依据D2Q9模型，对一阶平衡态分布函数展开得到各个离散方向上的具体形式为：








在步骤S330中可以通过量子线路实现上述各离散速度方向上的一阶平衡态分布函数的获取。为了获取一阶平衡态分布函数，设计的量子线路在执行时，可以按顺序对离散速度方向控制比特进行量子门操作，从而获取各离散速度方向上的一阶平衡态分布函数即可。本申请以一个具体量子线路图为例阐述一阶平衡态分布函数的获取过程，需要说明的是，在其它的实施例中，也可以通过其它的量子线路图来获取一阶平衡态分布函数，本申请不做具体限定。
请参照图6，图6为图5中获取一阶平衡态分布函数的量子线路示意图。在一种可能的实现方式中，如图6所示，在步骤S330中按以下顺序对离散速度方向控制比特进行量子门操作以获取各离散速度方向上的一阶平衡态分布函数：
首先，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|0>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|0>时，执行R(α1)门。然后，以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|1>时，执行R(θ1)门。需要说明的是，角度α1和角度θ1的具体数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行R(α2)门。然后，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(θ2)门。需要说明的是，角度α2和角度θ2的具体数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门。这个量子门进行的数据操作如下：
然后，以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。这个量子门进行的数据操作如下：
经过以上操作，可以观察到每个离散速度方向上的具体形式都已经能够找到与其对应的量子态。进一步根据各项的系数，本领域技术人员可以通过合理推理得到tanα2、tanα1、tanθ2、tanθ1的值。然后，将具体旋转角度带入就可以得到各离散速度方向上的一阶平衡态分布函数，并且位置与分布函数位置严格对应。
获取各离散速度方向上的一阶平衡态分布函数后，执行步骤S340。
需要说明的是，对于低雷诺数流动(Re＜＜1)，此时雷诺数大小对流动状态的影响可以忽略(对流效应的影响可以忽略)，可以不关心雷诺数的具体数值，本申请将松弛时间取为1，碰撞方程退化为：
fi(x,t+δt)＝fi eq(x,t)
这一方程的物理意义是流体在每个时刻都处于平衡态，说明流动变化是极致缓慢的，即直接取平衡态分布函数作为新分布函数，这与极低马赫数极低雷诺数是一致的。在这样的条件下，没有碰撞过程，就不需要关心每个时刻的分布函数具体值，只需要由宏观量得到平衡态分布函数就可以进行流动的更新。由此带来的好处是本申请在使用量子算法模拟流体时不再需要额外的两个辅助比特，降低了比特数和编码/读取的数据量。
在步骤S340中，基于一阶平衡态分布函数，执行迁移操作。
迁移过程只与离散速度方向有关。迁移过程为分布函数执行各自方向上的位置更新，在本申请中 没有碰撞过程，也就是对一阶平衡态分布函数执行各自方向上的位置更新。即按照各自离散速度方向对获取的一阶平衡态分布函数进行迁移。
迁移操作的经典过程可以表示为：fi(x+eiδt,t+δt)＝fi(x,t+δt)，即对分布函数按照各自离散速度方向进行迁移。
在本申请中，为了执行迁移操作，设计的量子线路在执行时，可以按顺序对各自离散速度方向上的比特Z和比特Y进行量子门操作，以对一阶平衡态分布函数进行迁移即可。本申请以一个具体量子线路图为例阐述一阶平衡态分布函数的迁移过程，需要说明的是，在其它的实施例中，也可以通过其它的量子线路图执行一阶平衡态分布函数的迁移，本申请不做具体限定。
请参照图7和图8，图7为图5中迁移操作的量子线路示意图，图8为图7中迁移操作的第一量子门S1量子线路示意图。这里以e1＝(1,0)方向为例进行说明。该方向的迁移用经典代码可以描述为
f[y][x]＝f[y][x-1]
这里y为行数(Y方向坐标)，x为列数(X方向坐标)，用二维数组形式描述二维流场网格。
这里以一个三比特的量子系统为例，该过程是进行如下的量子态操作：
这里多了一个首位循环的操作，即第0位的数据经过迁移后应该是缺失的，这里用最后一位数据进行了填充。现在具体介绍这种量子态转变的过程是如何实现的。
首先，阐述数据只包含一个量子比特如何实现这种操作。如图8所示，当只有一个比特时，数据操作为：这种操作对应的为：在该单比特上作用X门。
接着，阐述数据包含两个量子比特如何实现这种操作。如图7和图8所示，当有比特和比特时，数据操作可分为如下两个流程：
如图8所示，首先，在比特上作用一个X门；然后，以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门。
接着，阐述数据包含三个量子比特如何实现这种操作。如图7和图8所示，当有比特比特和时，数据操作可分为如下三个流程：
如图8所示，首先，在比特上作用一个X门；然后，以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门；接着，以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|0>时，执行X门。
由上述描述可得，步骤S350中的核心迁移线路如图6所示。如图6所示，基于碰撞操作后，执行迁移操作，包括以下步骤：对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1100>上的比特Z进行第二量子门S2操作；对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门S2操作；对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门S2操作；对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1110>上的比特Z进行第 二量子门S2操作；对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门S2操作；对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门S2操作。
当比特Y或比特Z包括j+1个量子比特时，比特Y或比特Z的编码格式为：其中，j为大于或等于0的整数，n为整数且0≤n≤j。
如图8所示，第一量子门S1操作包括：按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|0>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门。
也就是说，按以下顺序对比特Y或比特Z包括的j+1个量子比特进行量子门操作以执行迁移操作：
在比特上作用X门；
以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门；
以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|0>时，执行X门；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|0>时，执行X门；其中，n为大于1且小于j的整数；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|0>时，执行X门。
如图9所示，第二量子门S2操作包括：按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|1>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门。
也就是说，按以下顺序对比特Y或比特Z包括的j+1个量子比特进行量子门操作以执行迁移操作：
在比特上作用X门；
以比特为控制比特，比特为目标比特，当比特的量子态为|1>时，执行X门；
以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|1>时，执行X门；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|1>时，执行X门；其中，n为大于1且小于j的整数；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|1>时，执行X门。
完成迁移操作后，执行步骤S350。
在步骤S350中，基于迁移操作后，更新流场信息。
需要说明一下，经典流场信息计算流程执行如下操作：
ρ＝f0+f1+f2+f3+f4+f5+f6+f7+f8
ρu＝f1-f3+f5-f7+f8-f6
ρv＝f2-f4+f5-f7+f6-f8
在步骤S350中，通过量子线路实现上述流场信息的计算更新。在执行完量子迁移后的量子态为：
其中，离散速度方向控制比特X包括比特X3、比特X2、比特X1和比特X0，各离散速度方向上具体分布为：
为了更新流场信息，设计的量子线路在执行时，可以按顺序对离散速度方向控制比特进行量子门操作，从而更新流场信息即可。本申请以一个具体量子线路图为例阐述流场信息的更新过程，需要说明的是，在其它的实施例中，也可以通过其它的量子线路图来更新流场信息，本申请不做具体限定。
本申请对于更新宏观量的量子线路图如图10所示。接下来，对图10线路图中的每个量子门进行解释，按以下顺序对执行迁移操作后的离散速度方向控制比特进行量子门操作以更新宏观量：
首先，以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(d)门。需要说明的是，sind的数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
可见，X方向和Y方向上的流体动量已经被存储在|1100YZ>和|1101YZ>上
接着，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3的量子态为|1>、比特X2和比特X1的量子态为|0>时，执行H门。这个量子门进行的数据操作如下：
最后，在比特X3上作用R(e)门；其中，sin e的数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
可见，此时流体密度信息被存储在了|0000YZ>方向上的振幅上。
总结来说，经过流场信息的更新计算线路，流场信息(流体密度，在X方向上的流体动量，在Y 方向上的流体动量)被对应存储在了|0000YZ>、|1100YZ>、|1101YZ>方向的量子态振幅上。
获取更新后的流场信息后，执行步骤S360。
在步骤S360中，判断更新后的流场信息是否满足收敛条件。
其中，本申请的收敛条件与经典LBM的计算中的收敛条件相似，判断过程也相似。也就是说，判断流场信息是否满足收敛条件属于本领域技术人员公知的技术手段，因此，为了说明书的简洁，本申请不再做具体阐述。
若更新后的流场信息满足收敛条件，执行步骤S370。
若更新后的流场信息不满足收敛条件，执行边界条件处理，并基于处理后的流场信息返回执行步骤S320，直至更新后的流场信息满足收敛条件，进而执行步骤S370。
在步骤S370中，输出更新后的流场信息。
与现有技术相比，基于图5所示出的基于LBM的量子流动模拟方法，对流体模拟过程中的平衡态分布函数、迁移步和宏观量的计算步骤进行了量子化，具有指数加速效果，并且线路输入更加简单，加速效果更加明显。虽然，本申请的约束条件严格，但能够实现低雷诺数低马赫数流动模拟，如果搭配上如浸没边界方法则依然有实用价值，例如在微尺度流动、微生物流动等领域，可以快速计算出细小柔性体的运动问题，拓宽了方法实际应用范围。
实施例二
下面对本发明实施例提供的一种基于LBM的量子流动模拟方法作进一步描述说明。
参见图11，图11是本申请实施例二提供的一种基于LBM的量子流动模拟方法流程示意图，包括步骤S410至S480。
在步骤S410中，初始化流场信息。其中，流场信息包括流体密度和流体动量。流体密度和流体动量的初始化信息为根据需求人为设置。
在获取初始化流场信息后，执行步骤S420。
在步骤S420中，根据流场信息，计算平衡态分布函数。
基于D2Q9模型，本申请中的平衡态分布函数格式选取Maxwell分布，如下所示：
其中，u为速度矢量。
其中，本申请的平衡态分布函数计算过程与经典LBM的计算过程相似。也就是说，平衡态分布函数计算过程属于本领域技术人员公知的技术手段，因此，为了说明书的简洁，本申请不再做具体阐述。
通过Maxwell分布函数计算平衡态分布函数后，执行步骤S430。
在步骤S430中，基于D2Q9模型使用四种量子比特编码平衡态分布函数和分布函数。
其中，四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特。其中，离散速度方向控制比特数量为四位，辅助比特数量为两位。
在一种可能的实现方式中，使用四种量子比特的编码格式为：|F1F0X3X2X1X0YZ>
其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特Y表征Y方向坐标控制比特，比特Z表征X方向坐标控制比特，比特F1和比特F0表征辅助比特；比特Y和比特Z的数量与模拟流体时的网格数量相关。
基于辅助比特位对平衡态分布函数和分布函数的编码格式为：
其中，f表征分布函数，feq表征平衡态分布函数。
离散速度控制比特的具体编码格式为
后续的行列位置比特的具体编码形式与行列比特数目有关。例如对于一个16*16的网格，行比特和列比特数目都是4。那么指向第1行第3列网格节点上第6个离散速度方向上的平衡态分布函数的量子态位置即为|01111100000010>。由此，我们将经典信息全部编码为了量子态振幅上。
使用四种量子比特编码平衡态分布函数后，执行步骤S440。
在步骤S440中，基于编码后的平衡态分布函数和分布函数，执行碰撞操作。
完成编码后，首先要进行碰撞操作。碰撞过程可以描述为：
显然，这里引入旋转门：
作为碰撞酉矩阵的生成元，将旋转门R(θ)作用于比特F0上。在一种可能的实现方式中，在本申请中执行碰撞操作包括：在比特F0上作用R(θ)门以执行碰撞操作。这个旋转门R(θ)进行的数据操作如下：
这里的k表示振幅。需要说明的是，旋转角度θ的具体数值，本领域技术人员可以通过操作的数据合理推理出来。
执行碰撞操作后，执行步骤S450。
在步骤S450中，基于碰撞操作后，执行迁移操作。
迁移操作的经典过程可以表示为
fi(x+eiδt,t+δt)＝fi(x,t+δt)
即对分布函数按照各自离散速度方向进行迁移。
在本申请中，为了执行迁移操作，设计的量子线路在执行时，可以按顺序对各自离散速度方向上的比特Z和比特Y进行量子门操作，以对执行碰撞操作后的分布函数进行迁移即可。本申请以一个具体量子线路图为例阐述分布函数的迁移过程，需要说明的是，在其它的实施例中，也可以通过其它的量子线路图执行分布函数的迁移，本申请不做具体限定。
请参照图7和图8，图7为图11中迁移操作的量子线路示意图，图8为图7中迁移操作的第一量子门S1量子线路示意图。这里以e1＝(1,0)方向为例进行说明。该方向的迁移用经典代码可以描述为
f[y][x]＝f[y][x-1]
这里y为行数(Y方向坐标)，x为列数(X方向坐标)，用二维数组形式描述二维流场网格。
这里以一个三比特的量子系统为例，该过程是进行如下的量子态操作：
这里多了一个首位循环的操作，即第0位的数据经过迁移后应该是缺失的，这里用最后一位数据进行了填充。现在具体介绍这种量子态转变的过程是如何实现的。
首先，阐述数据只包含一个量子比特如何实现这种操作。如图8所示，当只有一个比特时，数据操作为：
这种操作对应的为：在该单比特上作用X门。
接着，阐述数据包含两个量子比特如何实现这种操作。如图7和图8所示，当有比特和比特时，数据操作可分为如下两个流程：
如图8所示，首先，在比特上作用一个X门；然后，以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门。
接着，阐述数据包含三个量子比特如何实现这种操作。如图7和图8所示，当有比特比特和时，数据操作可分为如下三个流程：
如图8所示，首先，在比特上作用一个X门；然后，以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门；接着，以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|0>时，执行X门。
由上述描述可得，步骤S450中的核心迁移线路如图7所示。如图7所示，基于碰撞操作后，执行迁移操作，包括以下步骤：对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1100>上的比特Z进行第二量子门S2操作；对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门S2操作；对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门S2操作；对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1110>上的比特Z进行第二量子门S2操作；对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门S2操作；对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门S2操作。
当比特Y或比特Z包括j+1个量子比特时，比特Y或比特Z的编码格式为：其中，j为大于或等于0的整数，n为整数且0≤n≤j。
如图8所示，第一量子门操作包括：按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|0>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门。
也就是说，按以下顺序对比特Y或比特Z包括的j+1个量子比特进行量子门操作以执行迁移操作：
在比特上作用X门；
以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门；
以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|0>时，执行X门；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|0>时，执行X门；其中，n为大于1且小于j的整数；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|0>时，执行X门。
如图9所示，第二量子门操作包括：按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|1>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门。
也就是说，按以下顺序对比特Y或比特Z包括的j+1个量子比特进行量子门操作以执行迁移操作：
在比特上作用X门；
以比特为控制比特，比特为目标比特，当比特的量子态为|1>时，执行X门；
以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|1>时，执行X门；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|1>时，执行X门；其中，n为大于1且小于j的整数；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|1>时，执行X门。
完成迁移操作后，执行步骤S460。
在步骤S460中，基于迁移操作后，更新流场信息。
需要说明一下，经典流场信息计算流程执行如下操作：
ρ＝f0+f1+f2+f3+f4+f5+f6+f7+f8
ρu＝f1-f3+f5-f7+f8-f6
ρv＝f2-f4+f5-f7+f6-f8
在步骤S460中，通过量子线路实现上述流场信息的计算更新。在执行完量子迁移后的量子态为：
其中，离散速度方向控制比特X包括比特X3、比特X2、比特X1和比特X0，各离散速度方向上具体分布为：
为了更新流场信息，设计的量子线路在执行时，可以按顺序对离散速度方向控制比特进行量子门操作，从而更新流场信息即可。本申请以一个具体量子线路图为例阐述流场信息的更新过程，需要说 明的是，在其它的实施例中，也可以通过其它的量子线路图来更新流场信息，本申请不做具体限定。
本申请对于更新流场信息的量子线路图如图10所示。
图10所示的量子线路图省略了两个辅助比特，省略了行比特和列比特，因为流体信息计算只涉及不同离散速度方向上的数据计算，不涉及不同位置信息之间的计算，显然行列比特上不会有任何量子门操作。为了使得流场信息的计算不破坏原有的分布函数信息，在流场信息计算操作前，对执行迁移操作后的比特F1作用H门，获得辅助比特量子态为|10>时的数据，实现如下操作：
这一步操作是对迁移后的分布函数进行“备份”，这也是第二个辅助比特存在的意义。在本实施例中，对|10XYZ>上的量子态计算流场信息。显然这里的量子态具体形式依然为
在此实施例中，只针对辅助比特量子态为|10>上的数据，这样就不会破坏辅助比特量子态为|00>上保存的分布函数信息。因此，步骤S460只针对辅助比特量子态为|10>上的数据，这里对线路图中的每个量子门进行解释，按以下顺序对执行迁移操作后的辅助比特为|01>上的离散速度方向控制比特进行量子门操作以更新流场信息：
首先，以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(d)门。需要说明的是，sin d的数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
可见，X方向和Y方向上的流体动量已经被存储在|101100YZ>和|101101YZ>上。
接着，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3的量子态为|1>、比特X2和比特X1的量子态为|0>时，执行H门。这个量子门进行的数据操作如下：
最后，在比特X3上作用R(e)门；其中，sin e的数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
可见，此时流体密度信息被存储在了|100000YZ>方向上的振幅上。
总结来说，经过流场信息的更新计算线路，流场信息(流体密度，在X方向上的流体动量，在Y 方向上的流体动量)被对应存储在了|100000YZ>、|101100YZ>、|101101YZ>方向的量子态振幅上。
获取更新后的流场信息后，执行步骤S470。
在步骤S470中，判断更新后的流场信息是否满足收敛条件。
其中，本申请的收敛条件与经典LBM的计算中的收敛条件相似，判断过程也相似。也就是说，判断流场信息是否满足收敛条件属于本领域技术人员公知的技术手段，因此，为了说明书的简洁，本申请不再做具体阐述。
若更新后的流场信息满足收敛条件，执行步骤S480。
若更新后的流场信息不满足收敛条件，执行边界条件处理，并基于处理后的流场信息返回执行步骤S420，直至更新后的流场信息满足收敛条件，进而执行步骤S480。
其中，本申请的边界条件处理过程与经典LBM的计算中的边界条件处理过程相似。也就是说，执行边界条件处理属于本领域技术人员公知的技术手段，因此，为了说明书的简洁，本申请不再做具体阐述。
在步骤S480中，输出更新后的流场信息。
与现有技术相比，基于图11所示出的基于LBM的量子流动模拟方法，对流体模拟过程中的碰撞步、迁移步和流场信息的计算步骤进行了量子化，具有指数加速效果，从而使得整体求解上实现了部分过程指数加速，从而使得相同计算时间的约束下，相比于经典LBM算法可以使用更多的网格节点数，解决了现有技术中经典LBM的计算量庞大的问题，提高了方法模拟的雷诺数，拓宽了方法实际应用范围。
实施例三
下面对本发明实施例提供的一种基于LBM的量子流动模拟方法作进一步描述说明。
参见图12，图12是本申请实施例三提供的一种基于LBM的量子流动模拟方法流程示意图，包括步骤S510至S580。
在步骤S510中，初始化流场信息。其中，流场信息包括流体密度和流体动量。流体密度和流体动量的初始化信息为根据需求人为设置。
在初始化流场信息后，执行步骤S520。
在步骤S520中，基于二维九速度离散模型使用四种量子比特编码流场信息和分布函数。
其中，四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位。
在一种可能的实现方式中，使用四种量子比特的编码格式为：|F1F0X3X2X1X0YZ>
其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特表征Y方向坐标控制比特，表征X方向坐标控制比特，比特F1和比特F0表征辅助比特；比特Y和比特Z的数量与模拟流体时的网格数量相关。
基于辅助比特位对分布函数和流场信息的编码格式为：
其中，f表征分布函数，m表征所有的流场信息，m包括流体密度ρ、流体动量在X方向上的分量ρu、流体动量在Y方向上的分量ρv。
离散速度方向控制比特上的分布函数编码位置不变，为：
离散速度方向控制比特上的流场信息编码位置为：
后续的行列位置比特的具体编码形式与行列比特数目有关。例如对于一个16*16的网格，行比特和列比特数目都是4。由此，我们将经典信息全部编码为了量子态振幅上。
使用四种量子比特编码流场信息和分布函数后，执行步骤S530。
在步骤S530中，基于编码后的流场信息，获取各离散速度方向上的一阶平衡态分布函数。
经典LBM中，平衡态分布函数取Maxwell分布，形式如下：
由于上述平衡态分布函数是非线性的，难以利用量子线路实现。LBM一个时刻的迭代步包含碰撞、迁移、宏观量计算、边界条件、平衡态分布函数更新5个主要步骤，其中边界条件更新只涉及部分边界节点，相比于所有网格节点可以看作是一个小量，该步骤时间开销可以忽略。
因此，对LBM算法时间开销做主要贡献的流程有碰撞过程、迁移过程、宏观量计算过程和平衡态分布函数共4个涉及所有网格节点上变量计算的过程，想要进一步获得更高的量子加速效果，必须对平衡态分布函数过程进行量子化。本申请基于上述考虑，对上述平衡态分布函数进一步截断，只考虑一阶平衡态分布函数，一阶平衡态分布函数如下所示：
一阶平衡态分布函数为线性表达式，尽管其精度降低了，但是在极低马赫数假设下：
一阶平衡态分布函数的精度依然可以保证。本申请基于这一假设，利用线性表达式对平衡态分布 函数进行更新，进一步利用量子线路实现该过程，从而获得一种加速效果更加明显的LBM算法。
依据D2Q9模型，对一阶平衡态分布函数展开得到各个离散方向上的具体形式为：








在步骤S530中，可以通过量子线路实现上述各离散速度方向上的一阶平衡态分布函数的获取。为了获取一阶平衡态分布函数，设计的量子线路在执行时，可以按顺序对离散速度方向控制比特进行量子门操作，从而获取各离散速度方向上的一阶平衡态分布函数即可。本申请以一个具体量子线路图为例阐述一阶平衡态分布函数的获取过程，需要说明的是，在其它的实施例中，也可以通过其它的量子线路图来获取一阶平衡态分布函数，本申请不做具体限定。
请参照图6，图6为图12中获取一阶平衡态分布函数的量子线路示意图。在一种可能的实现方式中，如图6所示，步骤S530针对辅助比特量子态为|01>上的数据，这里对线路图中的每个量子门进行解释，按以下顺序对辅助比特量子态为|01>上的数据进行量子门操作以获取各离散速度方向上的一阶平衡态分布函数：
首先，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|0>时，执行H门。这个量子门对数据的操作如下：
接着，以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|0>时，执行R(α1)门。然后，以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|1>时，执行R(θ1)门。需要说明的是，角度α1和角度θ1的具体数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行R(α2)门。然后，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(θ2)门。需要说明的是，角度α2和角度θ2的具体数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门。这个量子门进行的数据操作如下：
然后，以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。这个量子门进行的数据操作如下：
经过以上操作，可以观察到每个离散速度方向上的具体形式都已经能够找到与其对应的量子态。进一步根据各项的系数，本领域技术人员可以通过合理推理得到tanα2、tanα1、tanθ2、tanθ1的值。然后，将具体旋转角度带入就可以得到各离散速度方向上的一阶平衡态分布函数，并且位置与分布函数位置严格对应。需要注意的是，步骤S530中的平衡态分布函数经过了等比的缩放，在接下来的碰撞过程中需要考虑这个系数的影响。
获取各离散速度方向上的一阶平衡态分布函数后，执行步骤S540。
在步骤S540中，基于一阶平衡态分布函数和编码后的分布函数，执行碰撞操作。
基于一阶平衡态分布函数和编码后的分布函数，首先要进行碰撞操作。碰撞过程可以描述为：
显然，这里引入旋转门：
作为碰撞酉矩阵的生成元，将旋转门R(θ)作用于比特F0上。在一种可能的实现方式中，在本申请中执行碰撞操作包括：在比特F0上作用R(θ)门以执行碰撞操作。这个旋转门R(θ)进行的数据操作如下：
这里的k表示振幅。需要说明的是，旋转角度θ的具体数值需要考虑步骤S530中的平衡态分布函数经过了等比的缩放的影响，本领域技术人员可以通过操作的数据合理推理出来。
执行碰撞操作后，执行步骤S550。
在步骤S550中，基于碰撞操作后，执行迁移操作。
迁移操作的经典过程可以表示为fi(x+eiδt,t+δt)＝fi(x,t+δt)，即对分布函数按照各自离散速度方向进行迁移。
在本申请中，为了执行迁移操作，设计的量子线路在执行时，可以按顺序对各自离散速度方向上的比特Z和比特Y进行量子门操作，以对执行碰撞操作后的分布函数进行迁移即可。本申请以一个具体量子线路图为例阐述分布函数的迁移过程，需要说明的是，在其它的实施例中，也可以通过其它的量子线路图执行分布函数的迁移，本申请不做具体限定。
请参照图7和图8，图7为图12中迁移操作的量子线路示意图，图8为图7中迁移操作的第一量子门S1量子线路示意图。这里以e1＝(1,0)方向为例进行说明。该方向的迁移用经典代码可以描述为
f[y][x]＝f[y][x-1]
这里y为行数(Y方向坐标)，x为列数(X方向坐标)，用二维数组形式描述二维流场网格。
这里以一个三比特的量子系统为例，该过程是进行如下的量子态操作：
这里多了一个首位循环的操作，即第0位的数据经过迁移后应该是缺失的，这里用最后一位数据进行了填充。现在具体介绍这种量子态转变的过程是如何实现的。
首先，阐述数据只包含一个量子比特如何实现这种操作。如图8所示，当只有一个比特时，数据操作为：
这种操作对应的为：在该单比特上作用X门。
接着，阐述数据包含两个量子比特如何实现这种操作。如图7和图8所示，当有比特和比特时，数据操作可分为如下两个流程：
如图8所示，首先，在比特上作用一个X门；然后，以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门。
接着，阐述数据包含三个量子比特如何实现这种操作。如图7和图8所示，当有比特比特和时，数据操作可分为如下三个流程：
如图8所示，首先，在比特上作用一个X门；然后，以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门；接着，以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|0>时，执行X门。
由上述描述可得，步骤S550中的核心迁移线路如图6所示。如图6所示，基于碰撞操作后，执行迁移操作，包括以下步骤：对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1100>上的比特Z比特Z进行第二量子门S2操作；对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门S2操作；对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门S2操作；对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门S1操作；对离散速度方向控制比特量子态为|1110>上的比特Z进行第二量子门S2操作；对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门S2操作；对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门S1操作；对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门S2操作。
当比特Y或比特Z包括j+1个量子比特时，比特Y或比特Z的编码格式为：其中，j为大于或等于0的整数，n为整数且0≤n≤j。
如图8所示，第一量子门操作包括：按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|0>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门。
也就是说，按以下顺序对比特Y或比特Z包括的j+1个量子比特进行量子门操作以执行迁移操作：
在比特上作用X门；
以比特为控制比特，比特为目标比特，当比特的量子态为|0>时，执行X门；
以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|0>时，执 行X门；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|0>时，执行X门；其中，n为大于1且小于j的整数；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|0>时，执行X门。
如图9所示，第二量子门操作包括：按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|1>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门。
也就是说，按以下顺序对比特Y或比特Z包括的j+1个量子比特进行量子门操作以执行迁移操作：
在比特上作用X门；
以比特为控制比特，比特为目标比特，当比特的量子态为|1>时，执行X门；
以比特比特为控制比特，比特为目标比特，当比特比特的量子态均为|1>时，执行X门；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|1>时，执行X门；其中，n为大于1且小于j的整数；
…
以比特比特…、比特为控制比特，比特为目标比特，当比特比特…、比特的量子态均为|1>时，执行X门。
完成迁移操作后，执行步骤S560。
在步骤S560中，基于迁移操作后，更新流场信息。
需要说明一下，经典流场信息计算流程执行如下操作：
ρ＝f0+f1+f2+f3+f4+f5+f6+f7+f8
ρu＝f1-f3+f5-f7+f8-f6
ρv＝f2-f4+f5-f7+f6-f8
在步骤S560中，通过量子线路实现上述流场信息的计算更新。在执行完量子迁移后的量子态为：
其中，离散速度方向控制比特X包括比特X3、比特X2、比特X1和比特X0，各离散速度方向上具体分布为：
为了更新流场信息，设计的量子线路在执行时，可以按顺序对离散速度方向控制比特进行量子门操作，从而更新流场信息即可。本申请以一个具体量子线路图为例阐述流场信息的更新过程，需要说明的是，在其它的实施例中，也可以通过其它的量子线路图来更新流场信息，本申请不做具体限定。
本申请对于更新流场信息的量子线路图如图10所示。图10所示的量子线路图省略了两个辅助比特，省略了行比特和列比特，因为流体信息计算只涉及不同离散速度方向上的数据计算，不涉及不同位置信息之间的计算，显然行列比特上不会有任何量子门操作。为了使得流场信息的计算不破坏原有的分布函数信息，在流场信息计算操作前，对执行迁移操作后的比特F1作用H门，获得辅助比特量子态为|10>时的数据，实现如下操作：
这一步操作是对迁移后的分布函数进行“备份”，这也是第二个辅助比特存在的意义。在本实施例中，对|10XYZ>上的量子态计算流场信息。显然这里的量子态具体形式依然为
在此实施例中，只针对辅助比特量子态为|10>上的数据，这样就不会破坏辅助比特量子态为|00>上保存的分布函数信息。因此，步骤S560只针对辅助比特量子态为|10>上的数据，这里对线路图中的每个量子门进行解释，按以下顺序对执行迁移操作后的辅助比特为|01>上的离散速度方向控制比特进行量子门操作以更新流场信息：
首先，以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(d)门。需要说明的是，sin d的数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
可见，X方向和Y方向上的流体动量已经被存储在|101100YZ>和|101101YZ>上。
接着，以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行H门。这个量子门进行的数据操作如下：
接着，以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3的量子态为|1>、比特X2和比特X1的量子态为|0>时，执行H门。这个量子门进行的数据操作如下：
最后，在比特X3上作用R(e)门；其中，sin e的数值，本领域技术人员可以通过操作的数据合理推理出来。这个量子门进行的数据操作如下：
可见，此时流体密度信息被存储在了|100000YZ>方向上的振幅上。
总结来说，经过流场信息的更新计算线路，流场信息(流体密度，在X方向上的流体动量，在Y 方向上的流体动量)被对应存储在了|100000YZ>、|101100YZ>、|101101YZ>方向的量子态振幅上。
获取更新后的流场信息后，执行步骤S570。
在步骤S570中，判断更新后的宏观量是否满足收敛条件。
其中，本申请的收敛条件与经典LBM的计算中的收敛条件相似，判断过程也相似。也就是说，判断流场信息是否满足收敛条件属于本领域技术人员公知的技术手段，因此，为了说明书的简洁，本申请不再做具体阐述。
若更新后的流场信息满足收敛条件，执行步骤S580。
若更新后的流场信息不满足收敛条件，执行边界条件处理，并基于处理后的流场信息返回执行步骤S520，直至更新后的流场信息满足收敛条件，进而执行步骤S580。
其中，本申请的边界条件处理过程与经典LBM的计算中的边界条件处理过程相似。也就是说，执行边界条件处理属于本领域技术人员公知的技术手段，因此，为了说明书的简洁，本申请不再做具体阐述。
在步骤S580中，输出更新后的流场信息。
与现有技术相比，基于图12所示出的基于LBM的量子流动模拟方法，对流体模拟过程中的平衡态分布函数、碰撞步、迁移步和宏观量的计算步骤进行了量子化，具有指数加速效果，由于基于LBM的量子流体模拟方法其它步骤的复杂度远小于平衡态分布函数、碰撞步、迁移步和宏观量的计算步骤的复杂度，因此基于LBM的量子流体模拟方法其它步骤可以采用经典计算实现，也就是说，本申请使得整体求解上获得了全局的指数加速效果。虽然本申请对流动马赫数的约束更强，但由于其加速效果更加显著，因此模拟流动的雷诺数上限更高，解决了现有技术中经典LBM的计算量庞大的问题，提高了方法模拟的雷诺数，拓宽了方法实际应用范围。
以上结合图4-图12详细说明了本申请各实施例提供的基于LBM的量子流动模拟方法。以下结合图13-图16详细说明用于执行本申请实施例提供的基于LBM的量子流动模拟方法的装置。
参见图13，本申请还提供了与图4所示的方法相对应的基于LBM的量子流动模拟装置600，包括初始化模块610、编码模块620、获取模块630、迁移模块640、更新模块650、判断模块660。
初始化模块610，用于初始化流场信息；其中，流场信息包括流体密度和流体动量；
编码模块620，用于基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及流场信息中的一种或多种进行编码；在本申请提供的基于LBM的量子流动模拟装置的不同实施例中，编码模块编码的信息有所不用，具体参见下文的实施例四、实施例五、实施例六。
获取模块630，用于基于编码模块的编码获取编码信息；
迁移模块640，用于基于编码信息，执行迁移操作；
更新模块650，用于基于迁移操作后，更新流场信息；
判断模块660，用于判断更新后的流场信息是否满足收敛条件。
在一种可能的实施例中，参见图13，本申请提供的基于LBM的量子流动模拟装置600还包括处理模块670。处理模块670用于若更新后的流场信息不满足收敛条件，对更新后流场信息执行边界条件处理，并基于处理后的流场信息重新进行量子流动模拟，直至更新后的流场信息满足收敛条件，输出更新后的流场信息。在本申请提供的基于LBM的量子流动模拟装置的不同实施例中，处理模块基于处理后的流场信息重新进行量子流动模拟的操作有所不同，详情参见下文的各个实施例。
本申请提供的基于LBM的量子流动模拟装置，与基于LBM的量子流动模拟方法属于同一发明构思，因此具有相同的有益效果，在此不再赘述。
实施例四
示例性地，参见图14，图14为本申请实施例四提供的一种基于LBM的量子流动模拟装置的示意框图，与图5所示的实施例一所提供的基于LBM的量子流动模拟方法相对应。如图14所示，实施例四中基于LBM的量子流动模拟装置700，包括初始化模块710、编码模块720、获取模块730、迁移模块740、更新模块750、判断模块760、处理模块770。
初始化模块710，用于初始化流场信息；其中，流场信息包括流体密度和流体动量；
编码模块720，用于基于D2Q9模型使用三种量子比特编码流场信息；三种量子比特分别为离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位；
获取模块730，用于基于编码后的流场信息，获取各离散速度方向上的一阶平衡态分布函数；
迁移模块740，用于基于一阶平衡态分布函数，执行迁移操作；
更新模块750，用于基于迁移操作后，更新流场信息；
判断模块760，用于判断更新后的流场信息是否满足收敛条件；
处理模块770，用于若否，对更新后的流场信息执行边界条件处理，并基于处理后的流场信息返回执行使用三种量子比特编码流场信息的步骤，直至更新后的流场信息满足收敛条件，输出更新后的流场信息。
实施例四所提供的基于LBM的量子流动模拟装置，与实施例一所提供的基于LBM的量子流动模拟方法属于同一发明构思，因此具有相同的有益效果，在此不再赘述。
实施例五
示例性地，参见图15，图15为本申请实施例五提供的一种基于LBM的量子流动模拟装置的示意框图，与图11所示的实施例二所提供的基于LBM的量子流动模拟方法相对应。如图15所示，实施例五中基于LBM的量子流动模拟装置800，包括初始化模块810、获取模块820、编码模块830、碰撞模块840、迁移模块850、更新模块860、判断模块870、处理模块880。
初始化模块810，用于初始化流场信息；其中，流场信息包括流体密度和流体动量；
获取模块820，用于根据流场信息，计算平衡态分布函数；
编码模块830，用于基于D2Q9模型使用四种量子比特编码平衡态分布函数和分布函数；四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；
碰撞模块840，用于基于编码后的平衡态分布函数和分布函数，执行碰撞操作；
迁移模块850，用于基于碰撞操作后，执行迁移操作；
更新模块860，用于基于迁移操作后，更新流场信息；
判断模块870，用于判断更新后的流场信息是否满足收敛条件；
处理模块880，用于若否，对更新后的流场信息执行边界条件处理，并基于处理后的流场信息返回执行计算平衡态分布函数的步骤，直至更新后的流场信息满足收敛条件，输出更新后的流场信息。
实施例五所提供的基于LBM的量子流动模拟装置，与实施例二所提供的基于LBM的量子流动模拟方法属于同一发明构思，因此具有相同的有益效果，在此不再赘述。
实施例六
示例性地，参见图16，图16为本申请实施例六提供的一种基于LBM的量子流动模拟装置的示意框图，与图12所示的实施例三所提供的基于LBM的量子流动模拟方法相对应。如图16所示，实施例六提供的基于LBM的量子流动模拟装置900，包括初始化模块910、编码模块920、获取模块930、碰撞模块940、迁移模块950、更新模块960、判断模块970、处理模块980。
初始化模块910，用于初始化流场信息；其中，流场信息包括流体密度和流体动量；
编码模块920，用于基于D2Q9模型使用四种量子比特编码流场信息和分布函数；四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；
获取模块930，用于基于编码后的流场信息，获取各离散速度方向上的一阶平衡态分布函数；
碰撞模块940，用于基于一阶平衡态分布函数和编码后的分布函数，执行碰撞操作；
迁移模块950，用于基于碰撞操作后，执行迁移操作；
更新模块960，用于基于迁移操作后，更新流场信息；
判断模块970，用于判断更新后的流场信息是否满足收敛条件；
处理模块980，用于若否，对更新后流场信息执行边界条件处理，并基于处理后的流场信息返回执行基于D2Q9模型使用四种量子比特编码流场信息和分布函数的步骤，直至更新后的流场信息满足收敛条件，输出更新后的流场信息。
实施例六提供的基于LBM的量子流动模拟装置，与实施例三提供的基于LBM的量子流动模拟方法属于同一发明构思，因此具有相同的有益效果，在此不再赘述。
本申请实施例还提供了一种存储介质，存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。在一种可能的实现方式中，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序，包括步骤S210-S250。
在步骤S210中，初始化流场信息；其中，流场信息包括流体密度和流体动量；
在步骤S220中，基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及流场信息中的一种或多种进行编码，得到编码后的信息；
在步骤S230中，基于编码后的信息，执行迁移操作；
在步骤S240中，基于迁移操作后，更新流场信息；
在步骤S250中，判断更新后的流场信息是否满足收敛条件。
在一种可能的实现方式中，本申请提供的上述计算机程序还包括步骤S260。在步骤S260中，若 更新后的流场信息若不满足收敛条件，对更新后的流场信息执行边界条件处理，并基于处理后的流场信息重新进行量子流动模拟，直至更新后的流场信息满足收敛条件，输出更新后的流场信息。
在一种可能的实现方式中，在上述各实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本申请实施例还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一种可能的实现方式中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
在一种可能的实现方式中，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤，包括步骤S210-S250。
在步骤S210中，初始化流场信息；其中，流场信息包括流体密度和流体动量；
在步骤S220中，基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及流场信息中的一种或多种进行编码，得到编码后的信息；
在步骤S230中，基于编码后的信息，执行迁移操作；
在步骤S240中，基于迁移操作后，更新流场信息；
在步骤S250中，判断更新后的流场信息是否满足收敛条件。
在一种可能的实现方式中，本申请提供的上述计算机程序还包括步骤S260。在步骤S260中，若更新后的流场信息若不满足收敛条件，对更新后的流场信息执行边界条件处理，并基于处理后的流场信息重新进行量子流动模拟，直至更新后的流场信息满足收敛条件，输出更新后的流场信息。
本申请实施例还提供了一种量子计算机操作系统，该量子计算机操作系统根据本发明实施例中提供的上述任一方法实施例实现基于LBM的量子流动模拟。
本申请的实施例还提供了一种量子计算机，该量子计算机包括上述的量子计算机操作系统。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (35)

  1. 一种基于LBM的量子流动模拟方法，其特征在于，所述方法包括：
    初始化流场信息；其中，所述流场信息包括流体密度和流体动量；
    基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多种进行编码，得到编码后的信息；
    基于所述编码后的信息，执行迁移操作；
    基于所述迁移操作后，更新所述流场信息；
    判断更新后的所述流场信息是否满足收敛条件。
  2. 根据权利要求1所述的方法，其特征在于，所述方法还包括：
    若更新后的所述流场信息若不满足收敛条件，对更新后的所述流场信息执行边界条件处理，并基于处理后的所述流场信息重新进行所述量子流动模拟，直至更新后的所述流场信息满足收敛条件，输出更新后的所述流场信息。
  3. 根据权利要求2所述的方法，其特征在于，所述基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多种进行编码，得到编码后的信息，包括：
    基于所述D2Q9模型使用三种量子比特编码所述流场信息，得到所述编码后的信息，所述编码后的信息包括编码后的所述流场信息；所述三种量子比特分别为离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位；
    所述基于所述编码后的信息，执行迁移操作，包括：
    基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数；
    基于各离散速度方向上的一阶平衡态分布函数，执行所述迁移操作。
  4. 根据权利要求3所述的方法，其特征在于，所述基于处理后的所述流场信息重新进行所述量子流动模拟，包括：
    基于处理后的所述流场信息返回执行使用三种量子比特编码所述流场信息的步骤。
  5. 根据权利要求4所述的方法，其特征在于，所述基于所述D2Q9模型使用三种量子比特编码所述流场信息包括：
    使用三种量子比特的编码格式为：|X3X2X1X0YZ>，
    其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特Y表征Y方向坐标控制比特，比特Z表征X方向坐标控制比特；比特Y和比特Z的数量与模拟流体时的网格数量相关；
    基于三种量子比特对所述流场信息的编码格式为：
    其中，v为Y方向上的速度，u为X方向上的速度，ρu表示流体动量在X方向上的分量，ρv表示流体动量在Y方向上的分量。
  6. 根据权利要求5所述的方法，其特征在于，所述基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数，包括：
    按顺序对离散速度方向控制比特进行量子门操作以获取各离散速度方向上的一阶平衡态分布函数。
  7. 根据权利要求6所述的方法，其特征在于，所述按顺序对离散速度方向控制比特进行量子门操 作，包括：
    按以下顺序对离散速度方向控制比特进行量子门操作以获取各离散速度方向上的一阶平衡态分布函数：
    以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|0>时，执行H门；
    以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|0>时，执行R(α1)门；
    以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|1>时，执行R(θ1)门；
    以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行R(α2)门；
    以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(θ2)门；
    以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门；
    以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。
  8. 根据权利要求7所述的方法，其特征在于，所述基于一阶平衡态分布函数，执行迁移操作，包括：
    按顺序对各自离散速度方向上的比特Z和比特Y进行量子门操作，以对所述一阶平衡态分布函数进行迁移。
  9. 根据权利要求8所述的方法，其特征在于，所述按顺序对各自离散速度方向上的比特Z和比特Y进行量子门操作，包括：
    按以下顺序对比特Z和比特Y进行量子门操作以按照各自离散速度方向对所述一阶平衡态分布函数进行迁移：
    对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1100>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门操作；
    对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1110>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门操作；
    对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门操作。
  10. 根据权利要求9所述的方法，其特征在于，所述基于迁移操作后，更新所述流场信息，包括：
    按顺序对离散速度方向控制比特进行量子门操作以更新所述流场信息。
  11. 根据权利要求10所述的方法，其特征在于，所述按顺序对离散速度方向控制比特进行量子门操作以更新所述流场信息，包括：
    按以下顺序对离散速度方向控制比特进行量子门操作：
    以比特X3为控制比特、比特X2为目标比特，当比特X3的量子态为|1>时，执行H门；
    以比特X3、比特X2、比特X1为控制比特、比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门；
    以比特X3、比特X2为控制比特、比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(d)门；
    以比特X3、比特X2为控制比特、比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行H门；
    以比特X3、比特X2、比特X1为控制比特、比特X0为目标比特，当比特X3的量子态为|1>、比特X2和比特X1的量子态为|0>时，执行H门；
    在比特X3上作用R(e)门。
  12. 根据权利要求2所述的方法，其特征在于，所述方法还包括：
    根据所述流场信息，计算平衡态分布函数；
    所述基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多 种进行编码，得到编码后的信息，包括：
    基于所述D2Q9模型使用四种量子比特编码所述平衡态分布函数和分布函数，得到所述编码后的信息，所述编码后的信息包括编码后的所述平衡态分布函数和编码后的所述分布函数；所述四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；
    所述基于编码后的信息，执行迁移操作，包括：
    基于编码后的所述平衡态分布函数和所述分布函数，执行碰撞操作；
    基于所述碰撞操作后，执行所述迁移操作。
  13. 根据权利要求12所述的方法，其特征在于，所述基于处理后的所述流场信息重新进行所述量子流动模拟，包括：
    基于处理后的所述流场信息返回执行计算所述平衡态分布函数的步骤。
  14. 根据权利要求13所述的方法，其特征在于，所述基于所述D2Q9模型使用四种量子比特编码所述平衡态分布函数和分布函数，包括：
    使用四种量子比特的编码格式为：|F1F0X3X2X1X0YZ>
    其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特Y表征Y方向坐标控制比特，比特Z表征X方向坐标控制比特，比特F1和比特F0表征辅助比特；比特Y和比特Z的数量与模拟流体时的网格数量相关；
    基于辅助比特对所述平衡态分布函数和所述分布函数的编码格式为：
    其中，f表征分布函数，feq表征平衡态分布函数。
  15. 根据权利要求14所述的方法，其特征在于，所述基于编码后的所述平衡态分布函数和所述分布函数，执行碰撞操作，包括：
    在所述比特F0上作用R(θ)门以执行碰撞操作。
  16. 根据权利要求15所述的方法，其特征在于，所述基于碰撞操作后，执行所述迁移操作，包括：
    按顺序对各自离散速度方向上的所述比特Z和比特Y进行量子门操作，以对执行碰撞操作后的分布函数进行迁移。
  17. 根据权利要求16所述的方法，其特征在于，所述按顺序对各自离散速度方向上的所述比特Z和比特Y进行量子门操作，包括：
    按以下顺序对比特Z和比特Y进行量子门操作以按照各自离散速度方向对执行碰撞操作后的分布函数进行迁移：
    对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1100>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门操作；
    对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1110>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门操作；
    对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门操作。
  18. 根据权利要求2所述的方法，其特征在于，所述基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多种进行编码，得到编码后的信息包括：
    基于所述D2Q9模型使用四种量子比特编码所述流场信息和分布函数，得到所述编码后的信息，所述编码后的信息包括编码后的所述流场信息和编码后的所述分布函数；所述四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；
    所述基于编码后的信息，执行迁移操作，包括：
    基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数；
    基于所述一阶平衡态分布函数和编码后的所述分布函数，执行碰撞操作；
    基于所述碰撞操作后，执行所述迁移操作。
  19. 根据权利要求18所述的方法，其特征在于，所述基于处理后的所述流场信息重新进行所述量子流动模拟，包括：
    基于处理后的所述流场信息返回执行基于所述D2Q9模型使用四种量子比特编码所述流场信息和分布函数的步骤。
  20. 根据权利要求19所述的方法，其特征在于，所述基于所述D2Q9模型使用四种量子比特编码所述流场信息和分布函数，包括：
    使用四种量子比特的编码格式为：|F1F0X3X2X1X0YZ>
    其中，比特X3、比特X2、比特X1和比特X0表征离散速度方向控制比特，比特Y表征Y方向坐标控制比特，比特Z表征X方向坐标控制比特，比特F1和比特F0表征辅助比特；比特Y和比特Z的数量与模拟流体时的网格数量相关；
    基于辅助比特位对所述分布函数和所述流场信息的编码格式为：
    其中，f表征分布函数，m表征所述流场信息。
  21. 根据权利要求20中任一项所述的方法，其特征在于，所述基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数，包括：
    对辅助比特量子态为|01>上的离散速度方向控制比特进行量子门操作以获取各离散速度方向上的一阶平衡态分布函数。
  22. 根据权利要求21所述的方法，其特征在于，所述对辅助比特量子态为|01>上的离散速度方向控制比特进行量子门操作，包括：
    按以下顺序对辅助比特量子态为|01>上的离散速度方向控制比特进行量子门操作：
    以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|0>时，执行H门；
    以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|0>时，执行R(α1)门；
    以比特X2为控制比特，比特X3为目标比特，当比特X2的量子态为|1>时，执行R(θ1)门；
    以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行R(α2)门；
    以比特X3、比特X2为控制比特，比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(θ2)门；
    以比特X3、比特X2、比特X1为控制比特，比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门；
    以比特X3为控制比特，比特X2为目标比特，当比特X3的量子态为|1>时，执行H门。
  23. 根据权利要求22所述的方法，其特征在于，所述基于所述一阶平衡态分布函数和编码后的所述分布函数，执行碰撞操作，包括：
    在所述比特F0上作用R(θ)门以执行碰撞操作。
  24. 根据权利要求23所述的方法，其特征在于，所述基于碰撞操作后，执行所述迁移操作，包括：
    按顺序对各自离散速度方向上的所述比特Z和比特Y进行量子门操作，以对执行碰撞操作后的分布函数进行迁移。
  25. 根据权利要求24所述的方法，其特征在于，所述按顺序对各自离散速度方向上的所述比特Z和比特Y进行量子门操作，包括：
    按以下顺序对比特Z和比特Y进行量子门操作以按照各自离散速度方向对执行碰撞操作后的分布函数进行迁移：
    对离散速度方向控制比特量子态为|1000>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1001>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1100>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1101>上的比特Y进行第二量子门操作；
    对离散速度方向控制比特量子态为|1010>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1010>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1111>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1111>上的比特Y进行第一量子门操作；
    对离散速度方向控制比特量子态为|1110>上的比特Z进行第二量子门操作；
    对离散速度方向控制比特量子态为|1110>上的比特Y进行第二量子门操作；
    对离散速度方向控制比特量子态为|1011>上的比特Z进行第一量子门操作；
    对离散速度方向控制比特量子态为|1011>上的比特Y进行第二量子门操作。
  26. 根据权利要求17或25所述的方法，其特征在于，所述基于迁移操作后，更新所述流场信息，包括：
    对执行迁移操作后的比特F1作用H门，获得辅助比特量子态为|10>时的数据；
    对辅助比特量子态为|10>上的离散速度方向控制比特进行量子门操作以更新所述流场信息。
  27. 根据权利要求26所述的方法，其特征在于，所述对辅助比特量子态为|10>上的离散速度方向控制比特进行量子门操作，包括：
    按以下顺序对辅助比特量子态为|10>上的离散速度方向控制比特进行量子门操作以更新所述流场信息：
    以比特X3为控制比特、比特X2为目标比特，当比特X3的量子态为|1>时，执行H门；
    以比特X3、比特X2、比特X1为控制比特、比特X0为目标比特，当比特X3、比特X2、比特X1的量子态均为|1>时，执行H门；
    以比特X3、比特X2为控制比特、比特X1为目标比特，当比特X3、比特X2的量子态均为|1>时，执行R(d)门；
    以比特X3、比特X2为控制比特、比特X1为目标比特，当比特X3的量子态为|1>、比特X2的量子态为|0>时，执行H门；
    以比特X3、比特X2、比特X1为控制比特、比特X0为目标比特，当比特X3的量子态为|1>、比特X2和比特X1的量子态为|0>时，执行H门；
    在比特X3上作用R(e)门。
  28. 根据权利要求8、17以及25中任一项所述的方法，其特征在于，比特Y或比特Z包括j+1个量子比特时，比特Y或比特Z的编码格式为：其中，j为大于或等于0的整数，n为整数且0≤n≤j；
    所述第一量子门操作包括：
    按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|0>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门；
    所述第二量子门操作包括：
    按比特到比特的顺序分别以每个比特为目标比特，当比特为目标比特且比特至比特的量子态均为|1>时，执行X门；其中，比特为目标比特时，直接在比特上作用X门。
  29. 一种基于LBM的量子流动模拟装置，其特征在于，所述装置包括：
    初始化模块，用于初始化流场信息；其中，所述流场信息包括流体密度和流体动量；
    编码模块，用于基于D2Q9模型使用量子比特编码平衡态分布函数、分布函数以及所述流场信息中的一种或多种进行编码；
    获取模块，用于基于编码模块的编码获取编码信息；
    迁移模块，用于基于所述编码信息，执行迁移操作；
    更新模块，用于基于所述迁移操作后，更新所述流场信息；
    判断模块，用于判断更新后的所述流场信息是否满足收敛条件。
  30. 根据权利要求29所述的量子流动模拟装置，其特征在于，所述装置包括：
    处理模块，用于若更新后的所述流场信息不满足收敛条件，对更新后所述流场信息执行边界条件处理，并基于处理后的所述流场信息重新进行所述量子流动模拟，直至更新后的所述流场信息满足收敛条件，输出更新后的所述流场信息。
  31. 根据权利要求29所述的量子流动模拟装置，其特征在于，
    所述编码模块，用于基于所述D2Q9模型使用三种量子比特编码所述流场信息；所述三种量子比特分别为离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位；
    所述获取模块，用于基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数；
    所述迁移模块，用于基于所述各离散速度方向上的一阶平衡态分布函数，执行所述迁移操作。
  32. 根据权利要求29所述的量子流动模拟装置，其特征在于，
    所述获取模块，用于根据所述流场信息，计算平衡态分布函数；
    所述编码模块，用于基于所述D2Q9模型使用四种量子比特编码所述平衡态分布函数和分布函数；所述四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；
    所述量子流动模拟装置还包括：
    第一模块，用于基于编码后的所述平衡态分布函数和所述分布函数，执行碰撞操作；
    所述迁移模块，用于基于所述碰撞操作，执行所述迁移操作。
  33. 根据权利要求29所述的量子流动模拟装置，其特征在于，
    所述编码模块，用于基于所述D2Q9模型使用四种量子比特编码所述流场信息和分布函数；所述四种量子比特分别为辅助比特、离散速度方向控制比特、Y方向坐标控制比特和X方向坐标控制比特；其中，离散速度方向控制比特数量为四位，辅助比特数量为两位；
    所述获取模块，用于基于编码后的所述流场信息，获取各离散速度方向上的一阶平衡态分布函数；
    所述量子流动模拟装置还包括：
    第二模块，用于基于所述一阶平衡态分布函数和编码后的所述分布函数，执行碰撞操作；
    所述迁移模块，用于基于所述碰撞操作，执行所述迁移操作。
  34. 一种存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被设置为运行时执行权利要求1至28任一项所述的基于LBM的量子流动模拟方法。
  35. 一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至28任一项所述的基于LBM的量子流动模拟方法。
PCT/CN2023/103353 2022-07-06 2023-06-28 基于lbm的量子流动模拟方法、装置、介质及设备 WO2024007919A1 (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
CN202210807674.7 2022-07-06
CN202210807672.8A CN117408343A (zh) 2022-07-06 2022-07-06 基于lbm的量子流动模拟方法、装置、介质及设备
CN202210807672.8 2022-07-06
CN202210807673.2A CN117408344A (zh) 2022-07-06 2022-07-06 基于lbm的量子流动模拟方法、装置、介质及设备
CN202210807673.2 2022-07-06
CN202210807674.7A CN117408345A (zh) 2022-07-06 2022-07-06 基于lbm的量子流动模拟方法、装置、介质及设备

Publications (1)

Publication Number Publication Date
WO2024007919A1 true WO2024007919A1 (zh) 2024-01-11

Family

ID=89454248

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2023/103353 WO2024007919A1 (zh) 2022-07-06 2023-06-28 基于lbm的量子流动模拟方法、装置、介质及设备

Country Status (1)

Country Link
WO (1) WO2024007919A1 (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109492235A (zh) * 2017-09-11 2019-03-19 中国石油化工股份有限公司 一种复杂边界微流动的仿真方法及系统
CN111368487A (zh) * 2020-03-17 2020-07-03 广西师范大学 一种基于晶格Boltzmann模型模拟颗粒周期性运动的流场处理方法
CN111680456A (zh) * 2020-04-28 2020-09-18 中国科学院深圳先进技术研究院 一种流体力学模拟的方法、装置及存储介质
CN112613243A (zh) * 2020-12-16 2021-04-06 中国科学院深圳先进技术研究院 一种流体力学模拟的方法、装置及计算机可读存储介质
CN114091363A (zh) * 2020-08-04 2022-02-25 合肥本源量子计算科技有限责任公司 基于量子算法的计算流体动力学模拟方法、装置及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109492235A (zh) * 2017-09-11 2019-03-19 中国石油化工股份有限公司 一种复杂边界微流动的仿真方法及系统
CN111368487A (zh) * 2020-03-17 2020-07-03 广西师范大学 一种基于晶格Boltzmann模型模拟颗粒周期性运动的流场处理方法
CN111680456A (zh) * 2020-04-28 2020-09-18 中国科学院深圳先进技术研究院 一种流体力学模拟的方法、装置及存储介质
CN114091363A (zh) * 2020-08-04 2022-02-25 合肥本源量子计算科技有限责任公司 基于量子算法的计算流体动力学模拟方法、装置及设备
CN112613243A (zh) * 2020-12-16 2021-04-06 中国科学院深圳先进技术研究院 一种流体力学模拟的方法、装置及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN115144934B (zh) 基于变分量子线路的气象预测方法及相关设备
CN114819163B (zh) 量子生成对抗网络的训练方法、装置、介质及电子装置
CN114358319B (zh) 基于机器学习框架的分类方法及相关装置
CN114511094B (zh) 一种量子算法的优化方法、装置、存储介质与电子装置
CN117709415A (zh) 一种量子神经网络模型的优化方法及装置
CN114764620B (zh) 一种量子卷积操作器
CN115618663B (zh) 一种网格方程与物理方程耦合的量子求解方法及装置
WO2024046136A1 (zh) 量子神经网络的训练方法及训练装置
CN114512194A (zh) 用于量子化学模拟中获取目标体系试验态的方法及装置
CN113222151B (zh) 一种量子态的变换方法及装置
CN116431807B (zh) 一种文本分类方法、装置、存储介质及电子装置
WO2024007919A1 (zh) 基于lbm的量子流动模拟方法、装置、介质及设备
WO2022143789A1 (zh) 量子预处理方法、装置、存储介质及电子装置
JP2021036395A (ja) 機械学習装置および機械学習方法
CN115879562B (zh) 一种量子程序初始映射的确定方法、装置及量子计算机
CN114881238A (zh) 量子鉴别器的构造方法、装置、介质及电子装置
CN114881239A (zh) 量子生成器的构造方法、装置、介质及电子装置
CN114819167A (zh) 一种稀疏线性系统的稀疏近似逆量子预处理方法及装置
CN115983392A (zh) 量子程序映射关系的确定方法、装置、介质及电子装置
CN115114569A (zh) 一种基于量子线路的非线性偏微分方程求解方法及装置
CN117408343A (zh) 基于lbm的量子流动模拟方法、装置、介质及设备
CN117408345A (zh) 基于lbm的量子流动模拟方法、装置、介质及设备
CN117408344A (zh) 基于lbm的量子流动模拟方法、装置、介质及设备
CN115700572B (zh) 一种网格方程与物理方程迭代的量子求解方法及装置
CN116432710B (zh) 机器学习模型构建方法、机器学习框架及相关设备

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23834687

Country of ref document: EP

Kind code of ref document: A1