[논문 리뷰] Solving Nonlinear Partial Differential Equations via a Hybrid Newton Method Using Quantum Linear System Solver

Maximilian Mandelt Buxadé, Stefan Langer외 1명|arXiv (Cornell University)|2026. 03. 24.

Quantum Computing Algorithms and Architecture인용 수 0

한 줄 요약

논문은 양자-고전 혼합 뉴턴 방법을 제시하는데, 이는 양자 선형 시스템 해석기(QLSS)를 사용하여 내부 선형 시스템을 근사적으로 해결하고, CFD 맥락에서 속도 향상 가능성이 있는 비선형 편미분 방정식의 해결을 가능하게 한다.

ABSTRACT

To approximate solutions of complex nonlinear partial differential equations remains a computational challenge, especially for sets of equations relevant in industry, such as Euler or Navier-Stokes equations. Even the most sophisticated computational fluid dynamic algorithms coupled with powerful supercomputers can not find approximate solutions for several design challenges in both adequate time and scale-resolving accuracy. One difficulty arises from solving high dimensional, strongly nonlinear partial differential equations, such as the Navier-Stokes equations, which capture the underlying physics. For nearly all classical algorithms, methods closely related to Newton's method are used to approximate a solution to the problem. Approximately solving the large-scale linear systems of equations occurring in this iterative scheme is generally a main contributor to the total computational complexity. In this paper a new quantum linear system solver supporting Newton's classical method to solve nonlinear partial differential equations is introduced. We present a new variant of the HHL algorithm, requiring less apriori information regarding the eigenvalues of the corresponding matrix. We apply this quantum linear system solver in a hybrid quantum-classical fashion to solve nonlinear partial differential equations. Moreover, a resource estimation for advanced use-cases of practical relevance is provided. Our results demonstrate how quantum computation may improve existing classical methodologies for solving nonlinear partial differential equations. This approach provides another promising application of quantum computers and presents a possible way forward for handling nonlinearities on inherently linear quantum systems.

연구 동기 및 목표

• CFD 및 산업 규모 문제에서 비선형 편미분 방정식에 대한 개선된 해 solution의 필요성에 동기를 부여한다.
• 내부 선형 시스템을 해결하기 위해 양자 선형 시스템 해석기를 활용하는 하이브리드 뉴턴 접근 방식을 제안한다.
• 사전 고유값 정보가 적게 필요한 HHL 기반 QLSS의 변형을 개발한다.
• 수치 시뮬레이션 및 자원 추정을 제공하여 잠재 속도 향상 및 실용성을 평가한다.

제안 방법

• 비선형 편미분 방정식에 대한 뉴턴 방법을 양자 선형 시스템 해석기와 결합하여 내부 선형 풀이를 근사적으로 수행한다.
• 고박스 상태 준비에서 영감을 받은 기법을 사용하여 고유값 가정을 줄인 역수 고유값 인코딩을 위한 HHL 알고리즘의 변형을 도입한다.
• 양자 페이즈 추정(Quantum Phase Estimation)과 수정된 진폭 인코딩을 사용하여 역수 고유값을 얻고 후선택(post-selection)을 수행한다.
• 퀀텀 하드웨어가 없는 상황에서 규모 및 오차 동작을 연구하기 위해 클래식 버전(모델 QLSS)을 구현한다.
• 포아송 및 버거 방정식 등을 포함한 선형 및 비선형 편미분 방정식에 대한 시뮬레이션을 수행하여 수렴성과 정확도를 평가한다.

실험 결과

연구 질문

• RQ1 QLSS-활용 뉴턴 반복이 포아송 및 버거 방정식과 같은 비선형 편미분 방정식에서 수렴하는가?
• RQ2 편미분 방정식에 대한 뉴턴 방법에서 QLSS를 사용할 때의 정확도, 자원, 확장성에 대한 영향은 무엇인가?
• RQ3 내부 뉴턴 단계 맥락에서 제안된 QLSS 변형은 고전적 선형 해석기와 비교하여 어떤 성능 차이가 있는가?
• RQ4 CFD 관련 문제에 이 하이브리드 방법을 구현하는 데 있어서 실제적 고려사항과 한계는 무엇인가?

주요 결과

• QLSS가 적용된 하이브리드 뉴턴 방법이 시뮬레이션 실험에서 비선형 포아송 및 버거 방정식에 대해 수렴한다.
• 고유값 근사 및 역수화 오차는 뉴턴 반복을 통해 전파되며, 더 높은 QPE 큐빗 수가 정확도를 개선한다.
• QPE 큐빗 수(m)를 증가시키면 잔차 감소 속도가 빨라져 특정 영역에서 뉴턴 단계의 고정된 Gauss-Seidel 반복보다 나을 수 있다.
• 고정된 m에서 문제 크기 N을 증가시키면 더 많은 반복이 필요하지만 잔차를 달성하는 데 필요한 노력은 비슷해져 시간적 스케일링보다 잠재적 확장성 이점을 시사한다.
• 연구는 자세한 자원 논의를 제공하고 양자 하드웨어를 사용한 CFD 유사 비선형 편미분 방정식에 대한 잠재적 속도향상 경로를 제시한다.