¿Por qué importan las Ecuadors de Navier-Stokes?

Las ecuaciones de Navier-Stokes forman la columna vertebral matemática de la dinámica del fluido. Describen cómo la velocidad, presión, temperatura y densidad evolucionan en fluidos móviles. Cada gota de lluvia, cada ráfaga de viento, cada turbina del motor del jet, y cada célula sanguínea que se mueve a través de una arteria obedece estas ecuaciones.

Claude-Louis Navier formuló por primera vez las ecuaciones en 1822, y George Gabriel Stokes las refina en 1845. Desde entonces, ingenieros y científicos han luchado con ellas a través de cada disciplina que implica movimiento de fluidos. La predicción del tiempo depende de resolverlas en toda la atmósfera. Los diseñadores de aeronaves necesitan soluciones precisas para reducir la resistencia y mejorar la eficiencia del combustible.

Las ecuaciones son engañosamente compactas. Combinan la conservación del impulso con la conservación de masa y, en muchos casos, la conservación de la energía. La ecuación del impulso incluye un término inercia, un término de gradiente de presión, un término de difusión viscosa y un término de fuerza corporal. Esta estructura aparece en forma directa, pero el término inercia no lineal introduce una complejidad extraordinaria.

El Instituto de Matemáticas de Clay ha designado el problema de la existencia y suavidad de Navier-Stokes como uno de sus siete Problemas del Premio del Milenio. Una prueba rigurosa de si existen soluciones suaves y globales para las ecuaciones tridimensionales sigue siendo difícil. Incluso si una prueba emerge, la computación práctica seguirá siendo desalentadora porque la gama de escalas espaciales y temporales en el flujo turbulento abarca muchos pedidos de magnitud.

Este cuello de botella computacional ha motivado a los investigadores a explorar paradigmas de computación fundamentalmente diferentes. La computación cuántica, con su capacidad de operar en superposiciones cuánticas y explotar entanglement, ofrece un camino que podría evitar el escalado exponencial que hace que las simulaciones de Navier-Stokes sean prohibitivamente costosas en las máquinas clásicas.

El problema de escalamiento computacional

Para apreciar por qué el cálculo cuántico podría ayudar, es útil entender exactamente dónde se descomponen las simulaciones clásicas. Las ecuaciones Navier-Stokes son un conjunto de ecuaciones diferenciales parciales no lineales. En un régimen turbulento, el flujo contiene eddies y vortices que abarcan una amplia gama de escalas de longitud.

La relación de la mayor a la menor escala de longitud crece como el número Reynolds al poder de tres cuartos. Para los flujos de alta velocidad de Reynolds, que son comunes en aplicaciones aeroespaciales y geofísicas, esta relación se vuelve enorme. Una simulación numérica directa requiere una malla lo suficientemente fina para resolver los más pequeños de todo el dominio.

Este escalado coloca simulación numérica directa de muchos flujos importantes que se encuentran permanentemente fuera del alcance de las computadoras clásicas, independientemente de las mejoras de la Ley de Moore. Navier-Stokes (RANS) y simulación de gran intensidad (LES) ofrecen aproximaciones que reducen el costo computacional, pero sacrifican la precisión, especialmente en los flujos con separación, reajuste y fuertes herramientas de presión no necesitan mejores versiones.

Fundamentos de computación cuántica para dinámicas fluidas

Las computadoras cuánticas procesan información usando bits cuánticos o cuábitos. A diferencia de los bits clásicos que siempre son 0 o 1, un qubit puede existir en una superposición de ambos estados. Cuando se enredan múltiples codos, el estado de todo el sistema no puede ser descrito independientemente para cada codo. Estas propiedades permiten que las computadoras cuánticas exploren muchos caminos computacionales simultáneamente.

Para resolver ecuaciones diferenciales, algoritmos cuánticos pueden alcanzar velocidades exponenciales en determinadas condiciones. Los enfoques más prometedores para Navier-Stokes se encuentran en dos categorías amplias: algoritmos de sistemas lineales cuánticos y métodos de simulación Hamiltonian. Ambos dependen de la reformulación del problema de la dinámica del fluido en una forma que los equipos cuánticos pueden manejar eficientemente.

Los algoritmos de sistemas lineales cuánticos, como el algoritmo Harrow-Hassidim-Lloyd, resuelven sistemas lineales de ecuaciones exponencialmente más rápido que los algoritmos clásicos en ciertos regímenes. Las ecuaciones Navier-Stokes no son lineales, pero pueden ser linealizadas a través de la descretización y la iteración, o transformadas usando técnicas como la linealización Carleman.

Los enfoques de simulación Hamiltoniana tratan el flujo de fluidos como un sistema cuántico evolucionando bajo un Hamiltonian específico que matemáticamente corresponde al operador de Navier-Stokes. El equipo cuántico simula esta evolución directamente, potencialmente capturando la dinámica total no lineal sin la necesidad de redes masivas de discretización. Estos métodos son todavía altamente teóricos, pero ofrecen las velocidades potenciales más dramáticas.

Estimación de fase cuántica y el problema de valor de Navier-Stokes

Estimación de fase cuántica (QPE) es un algoritmo fundamental en la computación cuántica. Estima los valores eigenales de un operador unitario. Cuando se aplica a la dinámica de fluidos, QPE puede ser utilizado para analizar la estabilidad de las configuraciones de flujo o para encontrar los modos dominantes en un campo de flujo turbulento. Estos modos, conocidos como modos de descomposición ortogonal adecuados o modos de de de descomposición dinámica revelan coherentes

La computación clásica de estos modos requiere resolver grandes problemas de eigenvalue que se escalan mal con el tamaño de la discretización. QPE ofrece una ruta a la velocidad exponencial para este subtarea específico. Investigadores de instituciones incluyendo MIT, Caltech, y la Universidad Técnica de Munich han publicado marcos teóricos que muestran cómo QPE podría extraer los modos más energéticos de un campo de flujo utilizando mucho menos recursos computacionales que los métodos clásicos.

La implementación práctica enfrenta importantes desafíos de hardware. QPE requiere tiempos de coherencia largos y puertas cuánticas de alta fidelidad. Los dispositivos actuales de quantum de escala intermedia (NISQ) no pueden sostener las profundidades de circuito necesarias para computaciones útiles de QPE en problemas de Navier-Stokes. Sin embargo, como madura la computación cuántica tolerante a fallas, el análisis de dinámicas de fluido basado en QPE podría convertirse en una de las aplicaciones prácticas más tempranas.

Variación de los Eigensolvers quánticos

Variational Quantum Eigensolvers (VQE) toma un enfoque diferente. Combinan un equipo cuántico con un optimizador clásico. El equipo cuántico prepara un estado cuántico parametrado y mide su energía con respecto a un Hamiltonian dado. El optimizador clásico ajusta los parámetros para minimizar la energía, encontrando efectivamente el estado del suelo del sistema. Para aplicaciones Navier-Stokes optimización VQE puede ser utilizado para el control de forma límite

VQE es más tolerante al ruido que el QPE porque los circuitos cuánticos son más superficiales y el optimizador clásico puede compensar algunos errores. Esto hace que VQE sea factible en hardware NISQ, al menos para pequeños problemas de prueba. Investigadores en IBM Quantum han demostrado soluciones basadas en VQE para problemas de dinámicas de fluido simplificados, incluyendo la ecuación de Burgers y flujos de cavidad de dos dimensiones.

Algoritmos cuánticos para las ecuaciones diferenciales no lineales

Las ecuaciones Navier-Stokes son fundamentalmente no lineales. El término de advección, donde la velocidad multiplica el gradiente de la velocidad, introduce productos de variables desconocidas. Esta no linealidad es la fuente principal de turbulencia y el principal obstáculo para la simulación cuántica eficiente. algoritmos cuánticos lineales no pueden manejar directamente ecuaciones no lineales sin encodar la no linearidad en la estructura del algoritmo.

Se han desarrollado varias estrategias para abordar este reto. Un enfoque utiliza la linealización Carleman, que rechaza el sistema no lineal como un conjunto infinito de ecuaciones lineales introduciendo nuevas variables que representan productos de las variables originales. Desarrollar este sistema infinito en un orden finito produce una aproximación lineal que se puede resolver con algoritmos de sistemas lineales cuánticos.

Otro enfoque utiliza unidades de procesamiento cuánticas no lineales, que son circuitos cuánticos especializados diseñados para aplicar transformaciones no lineales a estados cuánticos. Estos circuitos explotan el hecho de que la medición de un estado cuántico produce una función no lineal de las amplitudes estatales. Interleando operaciones unitarias con mediciones y post-procesamiento clásico, es posible implementar operaciones no lineales dentro de un algoritmo cuántico, este es un área activa.

Una tercera estrategia utiliza máquinas de cálculo de depósitos cuánticos y de aprendizaje extremo cuántico. Estos son enfoques híbridos de base clásica donde un circuito de cuántica fijo aleatorio mapea la entrada a un espacio de características de alta dimensión, y un modelo lineal clásico aprende a predecir la salida de esas características.El circuito cuántico actúa como un sistema dinámico no lineal que puede aproximar el comportamiento de las ecuaciones de velocidad de Navier-Sto sin resolver explícitamente.

Lattice Boltzmann Métodos sobre Computadoras Cuánticas

Los métodos de Boltzmann (LBM) ofrecen un camino diferente. En lugar de descretar las ecuaciones de Navier-Stokes directamente, LBM simula el movimiento y la colisión de partículas en una celosía discreta. El comportamiento del fluido macroscópico emerge de la dinámica de partículas microscópicas. LBM ya es popular en las computadoras clásicas para flujos complejos, especialmente en los medios porosos y sistemas multifase, que es más fácil de soltizar directamente

En las computadoras cuánticas, LBM mapas naturalmente a los paseos cuánticos y la automata celular cuántica. El paso de colisión se convierte en una operación unitaria en los codos que representan las funciones de distribución de partículas. El paso de streaming se convierte en una operación de cambio en la rejilla. Debido a que estas operaciones son unitarias, preservan la coherencia del estado cuántico y se pueden ejecutar eficientemente en el hardware cuántico.

Los investigadores de la Universidad de Edimburgo y la Universidad de Ginebra han publicado algoritmos cuánticos de LBM que logran velocidades polinómicas sobre simulaciones clásicas de LBM. La velocidad proviene del hecho de que un equipo cuántico puede representar la distribución de partículas en todos los sitios de la rejilla simultáneamente, en lugar de iterar sobre los sitios uno por uno. Para grandes redes tridimensionales, este paralelismo produce una ventaja significativa.

Hardware Roadblocks y el camino hacia adelante

El hardware de cálculo cuántico ha avanzado rápidamente durante la última década, pero las simulaciones prácticas de Navier-Stokes siguen fuera de alcance para los dispositivos actuales. Las limitaciones principales son el conteo de qubit, el tiempo de coherencia, la fidelidad de las puertas y la corrección de errores.

Cuento de codos y conectividad

Las simulaciones de fluidos útiles requerirán miles, y probablemente millones, de qubits lógicos. Los dispositivos NISQ actuales ofrecen al máximo unos pocos cientos de qubits físicos. Cada qubit lógico para la computación tolerante a falla puede requerir cientos o miles de qubits físicos para la corrección de errores. El recuento total de qubits físicos necesario para las simulaciones de Navier-Stokes industrialmente relevantes podría ser decenas de millones.

Incluso si hay suficientes qubits disponibles, la conectividad entre los cubitos importa. Las simulaciones de Navier-Stokes requieren interacciones entre puntos de rejilla vecinos, que mapas a interacciones entre codos vecinos en el procesador cuántico. Conectividad cuadrícula bidimensional, donde cada codo se conecta a sus cuatro vecinos más cercanos, mapas bien a la corrección de errores del código superficial y está disponible en muchos procesos de rejilla de cojilla realistas.

Coherencia y Fidelidad de Puerta

Los cálculos cuánticos deben completar antes de que los qubits decohere y perder su información cuántica. El tiempo de coherencia de los qubits superconductores actuales está en el orden de decenas a cientos de microsegundos. Un circuito de simulación de Navier-Stokes podría requerir miles de millones de operaciones de puerta, mucho más que los límites de coherencia actuales.

La corrección de errores cuánticos puede proteger contra errores de decoherencia y de puerta, pero introduce una sobrecarga significativa. El código superficial, el esquema de corrección de errores más estudiado, requiere una rejilla de codos físicos para codificar un codo lógico. El factor de sobrecarga depende de la tasa de error físico y la tasa de error lógico deseada. Con las tasas de error físico actuales, la sobrecarga podría ser 1.000 codos físicos por cot.

Estrategias de la era NISQ

Mientras espera por hardware tolerante a fallas, los investigadores están desarrollando algoritmos de la era NISQ que pueden funcionar en dispositivos ruidosos existentes. Estos algoritmos intercambian parte de la velocidad cuántica teórica para aumentar la robustez al ruido. Métodos de variación, enfoques híbridos de base clásica y embalses cuántica computación todos caen en esta categoría. Pueden manejar pequeños problemas de dinámica de fluidos bidimensionales hoy, y mejorarán el hardware como problemas mayores.

La estrategia NISQ cambia el enfoque de resolver las ecuaciones completas de Navier-Stokes para resolver modelos de orden reducido o subproblemas específicos. Por ejemplo, un dispositivo NISQ puede no simular el flujo turbulento entero alrededor de un ala de avión, pero podría computar los modos de inestabilidad dominantes o optimizar los parámetros en un modelo de turbulencia. Estas tareas limitadas todavía proporcionan valor a los ingenieros y ayudan a validar el enfoque de la falta cuántica.

Aplicaciones que beneficiarán primero

Incluso soluciones cuánticas parciales para los problemas de Navier-Stokes transformarán varias industrias. Las aplicaciones que se beneficiarán primero son aquellas donde las limitaciones computacionales actuales son más agudas y donde las soluciones aproximadas son insuficientes.

Ingeniería aeroespacial

El diseño de aeronaves y naves espaciales depende en gran medida de la dinámica de fluidos computacionales. Las simulaciones actuales de RANS y LES pueden predecir el ascensor y arrastrar con precisión razonable para los flujos adjuntos, pero luchan con flujos separados, ondas de choque transónicas y transferencia de calor. El cálculo cuántico podría permitir una simulación numérica directa de configuraciones de aviones completos en el número de vuelo Reynolds, eliminando la necesidad de turbulencia permitiendo más aproximaciones de temporizadores.

Los fabricantes de motores se beneficiarían de la capacidad de simular dinámicas de combustión dentro de los motores de turbina de gas. La interacción entre flujo turbulento, reacciones químicas y transferencia de calor en un combustión es extremadamente compleja y poco capturada por los modelos actuales. Mejores simulaciones podrían conducir a una mayor eficiencia de combustión, menor emisión y mayor vida del motor.

El tiempo y la predicción climática

Los modelos meteorológicos resuelven las ecuaciones de Navier-Stokes en una red global. La resolución de los modelos operativos actuales es de aproximadamente 5 a 10 kilómetros. Muchos procesos importantes, incluyendo la formación de nubes, la convección y la turbulencia de capas de límites, se producen a escalas más pequeñas que el espaciamiento de la red y deben ser parametizados.

El cálculo cuántico podría eventualmente permitir modelos meteorológicos globales con resolución de kilometros, resolviendo tormentas, huracanes y frentes atmosféricos explícitamente. Esto mejoraría dramáticamente la precisión de las previsiones meteorológicas severas y proyecciones climáticas. Las agencias meteorológicas, incluyendo el Centro Europeo de Predicciones Meteorológicas Medias y la Administración Nacional Oceánica y Atmosférica de Estados Unidos, ya han comenzado a explorar asociaciones de computación cuántica.

Dinámicas de fluidos médicos

El flujo sanguíneo en arterias y venas sigue las ecuaciones de Navier-Stokes. En enfermedades cardiovasculares, los patrones de flujo se alteran, y el estrés de la zarpa de pared juega un papel crítico en la formación y progresión de placas. simulaciones específicas del paciente de flujo sanguíneo pueden ayudar a los cirujanos a planificar intervenciones, pero las simulaciones actuales son lentas y costosas.

Más allá del flujo sanguíneo, otras aplicaciones médicas incluyen flujo de aire en los pulmones para el modelado de enfermedades respiratorias, dinámicas de líquido cefalorraquídeo para entender hidrocefalia y lesión cerebral traumática, y la entrega de medicamentos a través del torrente sanguíneo. Cada una de estas aplicaciones se beneficiaría de simulaciones de fluido más rápidas y precisas.

Environmental and Energy Applications

La optimización de la distribución de la granja eólica requiere modelar las interacciones de la vela turbulenta entre turbinas. Los modelos actuales utilizan aproximaciones que pueden sobreestimar la producción de energía en un 10% o más. La computación cuántica podría permitir simulaciones precisas de vela, lo que llevaría a la distribución de la granja eólica que produzcan más potencia y reduzcan las cargas de fatiga de turbina.

En la industria del petróleo y gas, el flujo de fluidos a través de roca porosa determina el rendimiento de los embalses. Las simulaciones actuales de embalses utilizan modelos escalados que promedio sobre las estructuras de poro microescala. El cálculo cuántico podría permitir simulaciones directas de escala poro que capturan efectos capilares, humedad y flujo multifase con una fidelidad mucho mayor.

La hoja de ruta para la dinámica de fluido cuántico práctico

El camino de las demostraciones de pequeña escala de hoy a las simulaciones de cuántica Navier-Stokes industrialmente relevantes sigue una clara progresión. Cada etapa se basa en la anterior, con el desarrollo de hardware y algoritmo avanzando en paralelo.

Primera etapa: Prueba del concepto

Actualmente estamos en esta etapa. Los investigadores han demostrado soluciones cuánticas para la ecuación de Burgers única, flujos de cavidad bidimensional y flujos de canales de baja cantidad de Reynolds en simuladores cuánticos y pequeños dispositivos NISQ. Estas demostraciones validan los algoritmos e identifican las principales fuentes de error. No tienen valor práctico para la ingeniería, pero establecen la base para la próxima etapa.

Segunda etapa: Validación en pequeña escala

En los próximos cinco años, como el hardware cuántico mejora a cientos de qubits lógicos con tasas de error más bajas, los investigadores abordarán flujos bidimensionales en números moderados de Reynolds. Estas simulaciones serán validadas contra simulaciones numéricas clásicas y datos experimentales. El éxito en esta etapa demostrará que las soluciones cuánticas pueden alcanzar la precisión comparable a los métodos clásicos para flujos simples.

Tercera etapa: Simulación industrialmente pertinente

Con ordenadores cuánticos tolerantes a fallas de miles de codos lógicos, programados para finales de 2020s a principios de 2030 según la mayoría de las hojas de ruta, simulaciones tridimensionales se volverán factibles. Estas simulaciones se limitarán a geometrías relativamente simples y números moderados de Reynolds, pero superarán las capacidades de simulación numérica directa clásica para esos casos.

Etapa Cuatro: Uso de rutina

A mediados de los años 2030 a 2040, los sistemas de codos millones de tecnologías podrían permitir simulaciones de návier-stokes de rutina para geometrías complejas y números de Reynolds altos. En esta etapa, simulaciones cuánticas complementarán simulaciones y experimentos clásicos como una herramienta estándar en el kit de herramientas de dinámicas de fluidos. Los ingenieros ejecutarán simulaciones cuánticas junto con simulaciones clásicas, utilizando cada donde ofrece el mejor costo de precisión.

Colaboración en todas las disciplinas

Desbloquear el potencial de cálculo cuántico para las ecuaciones de Navier-Stokes requiere colaboración más allá de lo típico en la investigación académica o industrial. Los dinámicos fluidos deben aprender a pensar en términos de algoritmos cuánticos. Los investigadores de computación cuántica deben desarrollar una intuición para la física de fluidos. Los matemáticos deben cerrar la brecha entre el mundo continuo de ecuaciones diferenciales parciales y el mundo discreto de circuitos.

Varias iniciativas ya están fomentando este entorno interdisciplinario. El Grupo de Investigación de Fluidos Cuánticos de la Universidad de Cambridge reúne físicos e ingenieros para desarrollar algoritmos cuánticos para turbulencia. La Red Cuántica de IBM incluye compañías aeroespaciales como Airbus y Boeing, junto con empresas energéticas e instituciones de investigación, para explorar aplicaciones cuánticas en dinámicas de fluidos.

También están evolucionando los programas educativos. Las universidades están introduciendo cursos de computación cuántica adaptados a los ingenieros y científicos aplicados, con énfasis en algoritmos prácticos en lugar de mecánicos cuánticos abstractos. Las escuelas y talleres de verano, como el taller Quantum Computing for Fluid Dynamics celebrado en el Instituto de Matemáticas Puras y Aplicadas en la UCLA, están capacitando a la próxima generación de investigadores que llevarán adelante este campo.

¿Qué éxito se verá como

La medida final del éxito para los solvers de Navier-Stokes cuántica será la capacidad de calcular flujos que son imposibles con métodos clásicos. Esto no significa necesariamente simular cada eddy en un flujo turbulento desde el arañazo. Podría significar lograr una precisión equivalente con órdenes de magnitud menos tiempo o energía computacional. Podría significar resolver problemas inversos, donde los ingenieros no preguntan "qué flujo resulta de esta geometría deseada" sino "qué geometría

El éxito también puede provenir de enfoques híbridos cuánticos donde un procesador cuántico maneja las partes más intensas de la simulación mientras que el procesador clásico administra el resto. Esta visión híbrida es realista a corto plazo y permite la adopción incremental como el hardware cuántico mejora.

Las ecuaciones de Navier-Stokes han resistido una solución computacional completa durante casi dos siglos. El cálculo cuántico ofrece el primer camino plausible para romper la barrera de escalado que ha limitado los métodos clásicos. El camino es largo y los desafíos son significativos, pero el impacto potencial en la ciencia, la ingeniería y la sociedad es enorme. Cada campo que implica movimiento fluido, de la medicina a la meteorología, de aeroespacial a la energía, se para transformarse.