[논문 리뷰] Quantum Finite Volume Method for Computational Fluid Dynamics with Classical Input and Output

Zhaoyun Chen, Cheng Xue외 6명|arXiv (Cornell University)|2021. 02. 06.

Quantum Computing Algorithms and Architecture참고 문헌 23인용 수 8

한 줄 요약

이 논문은 고전적 입력 및 출력을 유지하면서 양자 선형 시스템 해법기(QLS)를 활용하여 고전적 해법기 대비 지수적 속도 향상을 달성하는 양자 유한체적 방법(QFVM)을 제안한다. 양자 랜덤 액세스 메모리(QRAM)를 통해 반복당 시간 복잡도를 초선형으로 줄여, $ O\big(\frac{(s^3 + \log N)s\kappa\log^3 N}{\epsilon^2} \mathrm{polylog}(s\kappa/\epsilon)\big) $로 스케일링되며, 대규모 시뮬레이션에서 오차 내성도 유지한다.

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.

연구 동기 및 목표

• 고전적 유한체적 방법(FVM) 대비 지수적 속도 향상을 달성하면서도 고전적 입력 및 출력을 유지하는 CFD를 위한 양자 알고리즘을 개발한다.
• 양자 CFD 해법기에서 발생하는 고전-양자 데이터 전송 병목 현상을 해결하기 위해 효율적인 데이터 액세스 및 상태 준비를 위한 QRAM 기반 메모리 레이아웃을 설계한다.
• 정확도나 수렴 성질을 훼손하지 않으면서 QLS를 반복적 FVM 프레임워크에 통합한다.
• 양자 샘플링 오차가 문제 크기와 비례하여 증가하지 않음을 입증하여 대규모 CFD 문제에 대한 강건성을 보장한다.
• Onera M6 시험 케이스에서 $ N = 10^5 $ 개 요소 및 $ \epsilon = 3 \times 10^{-2} $ 조건 하에 수치 시뮬레이션을 통해 알고리즘의 정확성과 안정성을 검증한다.

제안 방법

• 이 방법은 매 시간 단계에서 나비에-스토크스 방정식을 희박한 선형 시스템으로 이산화하는 양자 유한체적 방법(QFVM)을 사용하며, 기준 프레임워크로 고전적 FVM을 활용한다.
• 유도된 희박한 선형 방정식을 해결하기 위해 양자 선형 시스템 해법기(QLS)를 활용하며, 시간 복잡도는 희박성 $ s $, 조건수 $ \kappa $, 문제 크기 $ N $, 정밀도 $ \epsilon $ 에 따라 달라진다.
• QRAM 기반 메모리 레이아웃이 고전적 문제 데이터 및 중간 결과를 저장하여 계수 및 벡터에 대한 양자 병렬 액세스를 가능하게 하며, 다항로그 시간 복잡도를 달성한다.
• QLS에서 유도된 양자 상태는 $ l_\infty $ 톰그래피를 통해 처리되어 정규화된 해 벡터 $ u $ 에 $ \epsilon $-근접한 고전적 벡터 $ \tilde{u} $ 를 샘플링한다.
• 수렴 행동이 고전적 FVM과 유사하도록 보장하기 위해 QRAM 구조 내에 양자 자코비 조절자(Preconditioner)를 통합하여 동일한 조건수 의존성을 유지한다.
• 각 양자 단계 이후 고전적 데이터를 반복적으로 갱신함으로써 고전적 인터페이스를 유지하면서도 해법 단계에서 지수적 속도 향상을 달성한다.

실험 결과

연구 질문

• RQ1 고전적 입력 및 출력을 처리하면서도 고전적 FVM 대비 지수적 속도 향상을 달성할 수 있는 양자 유한체적 방법을 설계할 수 있는가?
• RQ2 양자 CFD 해법기에서 문제 크기의 함수로 데이터 액세스 시간 복잡도를 초선형으로 줄이기 위해 양자 랜덤 액세스 메모리(QRAM)를 어떻게 활용할 수 있는가?
• RQ3 양자 상태 샘플링에 의해 유도된 오차가 문제 크기 $ N $ 과 비례하여 증가하는가, 아니면 $ N $ 과 무관하게 유한하게 유지되는가?
• RQ4 QRAM 구조에 양자 조절자를 통합하여 고전적 FVM과 동일한 조건수 의존성을 유지할 수 있는가?
• RQ5 대규모 CFD 시뮬레이션에서 양자 샘플링 오차가 최종 해의 정확도에 미치는 영향은 어떠한가?

주요 결과

• 제안된 QFVM의 시간 복잡도는 $ O\big(\frac{(s^3 + \log N)s\kappa\log^3 N}{\epsilon^2} \mathrm{polylog}(s\kappa/\epsilon)\big) $ 로, 고전적 FVM의 $ N $ 에 대한 선형 의존성 대비 지수적 속도 향상을 달성한다.
• 유도된 결과에 따르면 $ E_i = O(U_i) $ 이므로 오차가 문제 크기 $ N $ 과 비례하지 않으며, 이는 오차가 $ N $ 과 무관하게 유한하게 유지됨을 의미한다.
• QRAM 구조 내에 양자 자코비 조절자를 통합함으로써 고전적 FVM과 동일한 조건수 $ \kappa $ 의존성을 유지한다.
• $ 10^5 $ 개 요소 및 $ \epsilon = 3 \times 10^{-2} $ 조건 하에서 Onera M6 시험 케이스에서의 수치 시뮬레이션이 정상적으로 수렴하여 강건성과 정확도를 확인하였다.
• $ N \gg 1/\epsilon^2 $ 일 경우 양자 해법기가 고전적 해법기보다 우월함을 보여, 대규모 CFD 문제에 대한 명확한 양자 우위를 입증한다.
• 고전적 입력 및 출력 인터페이스가 유지되며, QRAM를 통해 데이터 전송 비용이 다항로그 시간으로 감소하여 이전의 양자 CFD 접근 방식에서의 주요 병목 현상을 피한다.