[論文レビュー] Quantum Finite Volume Method for Computational Fluid Dynamics with Classical Input and Output

Zhaoyun Chen, Cheng Xue+6 more|arXiv (Cornell University)|Feb 6, 2021

Quantum Computing Algorithms and Architecture参考文献 23被引用数 8

ひとこと要約

本稿では、古典的入出力を備えた量子線形方程式ソルバー（QLS）を活用することで、古典的スケーラーに対する指数的高速化を達成する量子有限体積法（QFVM）を提案する。量子ランダムアクセスメモリ（QRAM）を用いることで、1反復あたりの時間計算量がサブラインアーに抑えられ、$ O\big(\frac{(s^3 + \log N)s\kappa\log^3 N}{\epsilon^2} \mathrm{polylog}(s\kappa/\epsilon)\big) $ にまで低下する。同時に、古典的データインターフェースを維持し、大規模なシミュレーションにおける誤差耐性を保つ。

ABSTRACT

Computational fluid dynamics (CFD) is a branch of fluid mechanics that uses numerical methods to solve fluid flows. The finite volume method (FVM) is an important one. In FVM, space is discretized to many grid cells. When the number of grid cells grows, massive computing resources are needed correspondingly. Recently, quantum computing has been proven to outperform a classical computer on specific computational tasks. However, the quantum CFD (QCFD) solver remains a challenge because the conversion between the classical and quantum data would become the bottleneck for the time complexity. Here we propose a QCFD solver with exponential speedup over classical counterparts and focus on how a quantum computer handles classical input and output. By utilizing quantum random access memory, the algorithm realizes sublinear time at every iteration step. The QCFD solver could allow new frontiers in the CFD area by allowing a finer mesh and faster calculation.

研究の動機と目的

• 古典的有限体積法（FVM）よりも指数的高速化を達成しつつ、古典的入出力を維持するCFD用量子アルゴリズムの開発を目的とする。
• 量子CFDソルバーにおける古典-量子データ転送ボトルネックを解消するため、効率的なデータアクセスと状態準備を可能にするQRAMベースのメモリレイアウトの設計を目的とする。
• 量子線形方程式ソルバー（QLS）を反復的FVMフレームワークに統合し、精度や収束特性を損なわずに実現することを目的とする。
• 量子サンプリング誤差が問題サイズに比例して増大しないことを示し、大規模CFD問題におけるロバスト性を保証することを目的とする。
• Onera M6テストケースを用いた数値シミュレーションにより、アルゴリズムの正しさと安定性を検証することを目的とし、$ N = 10^5 $ 個のセルと $ \epsilon = 3 \times 10^{-2} $ の条件下で実施する。

提案手法

• 本手法は、各タイムステップでナビエ-ストークス方程式をスパース線形系に離散化する量子有限体積法（QFVM）を採用し、古典的FVMを基準フレームワークとして用いる。
• 得られたスパース線形方程式を解くために量子線形方程式ソルバー（QLS）を活用し、時間計算量はスパarsity $ s $、条件数 $ \kappa $、問題サイズ $ N $、精度 $ \epsilon $ に依存する。
• QRAMベースのメモリレイアウトにより、古典的問題データと中間結果を格納し、係数やベクトルへの量子並列アクセスを可能にし、多対数時間計算量を達成する。
• QLSから得られる量子状態は、$ l_\infty $ トモグラフィーを用いて処理され、正規化された解ベクトル $ u $ に対して $ \epsilon $-近傍の古典的ベクトル $ \tilde{u} $ をサンプリングする。
• 量子ヤコビ条件数付けをQRAM構造内に統合することで、古典的FVMと同一の条件数依存性を維持し、収束行動に類似した性能を確保する。
• 各量子ステップ後に古典的データを反復的に更新することで、古典的インターフェースを保持しつつ、解法フェーズにおける指数的高速化を実現する。

実験結果

リサーチクエスチョン

• RQ1 古典的入出力を扱える量子有限体積法を設計し、古典的FVMよりも指数的高速化を達成できるか？
• RQ2 量子CFDソルバーにおけるデータアクセス時間計算量を問題サイズに比例しないサブラインアーに抑えるために、量子ランダムアクセスメモリ（QRAM）をどのように活用できるか？
• RQ3 量子状態サンプリングによって生じる誤差は問題サイズ $ N $ に比例して増大するのか、それとも $ N $ とは無関係に有界であるのか？
• RQ4 QRAM構造内に量子条件数付けを統合することで、古典的FVMと同一の条件数依存性を維持できるか？
• RQ5 大規模CFDシミュレーションにおける最終解の精度に、量子サンプリング誤差がどのように影響するか？

主な発見

• 提案されたQFVMの時間計算量は $ O\big(\frac{(s^3 + \log N)s\kappa\log^3 N}{\epsilon^2} \mathrm{polylog}(s\kappa/\epsilon)\big) $ であり、古典的FVMの $ N $ に比例する線形依存性と比較して指数的高速化を達成する。
• 導出により $ E_i = O(U_i) $ が示されたことから、量子サンプリング誤差は問題サイズ $ N $ に依存せず、$ N $ が大きくなっても有界であることが示された。
• QRAM構造内に量子ヤコビ条件数付けを統合したことで、古典的FVMと同一の条件数 $ \kappa $ 依存性を維持した。
• $ 10^5 $ 個のセルと $ \epsilon = 3 \times 10^{-2} $ の条件下でOnera M6テストケースにおける数値シミュレーションが正しく収束し、ロバスト性と精度が確認された。
• $ N \gg 1/\epsilon^2 $ の場合に量子ソルバーが古典的ソルバーを上回ることから、大規模CFD問題における明確な量子優位性が示された。
• 古典的入出力インターフェースが維持され、QRAMによりデータ転送コストが多対数時間にまで低下したため、従来の量子CFDアプローチにおける主要なボトルネックを回避した。