跳到正文
热点事件观察中

量子-经典迭代精化在NISQ硬件求解压力泊松方程

2 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Doyeol Ahn 等(University of Seoul 等)提交论文,提出面向含噪量子硬件的混合量子-经典迭代精化方法,用于不可压 Navier-Stokes 投影方法中的压力泊松方程:不逐步只解一次压力方程,而是反复对归一化残差求解,并将每个量子方向按物理残差做最小二乘缩放,使量子求解误差表现为残差收缩因子而非精度下限。 作者给出的验证结果:在 IBM 的 ibm_cleveland 处理器上,四量子比特(16×16)问题在预注册实验的全部 20 次运行中经 8–10 次校正将相对残差降到 10⁻⁷ 以下,而同等 shot 数的单次求解只能停在 0.33–0.59;在 IonQ Forte 上,制造解基准经 9 次校正达到 5.6×10⁻⁸,压力误差为 4.9×10⁻⁸。作者称变分训练本身也在 ibm_cleveland 上完成,代价函数的每个采样值均来自硬件测量。 以上数字为论文摘要所述的作者结果,基于摘要整理,尚未经独立验证。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月20日
  1. arXiv · quant-ph
    NISQ硬件上的压力泊松方程量子-经典迭代精化

    作者提出一种面向含噪量子硬件的压力泊松方程量子-经典迭代精化方法,通过重复求解归一化残差并按物理残差进行最小二乘缩放,将量子求解误差转化为残差收缩因子。

  2. arXiv · quant-ph
    量子-经典迭代精化在含噪量子硬件上求解压力泊松方程

    基于论文摘要,研究人员提出用于不可压缩 Navier-Stokes 投影方法压力泊松方程的混合量子-经典迭代精化,使量子求解误差作为残差收缩因子进入迭代,而非形成精度下限。

本事件热度走势

可比范围当前
5
可比范围峰值
610月21日 06:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。