本文围绕湍流模拟长期受困于经典计算“非线性计算深渊”的瓶颈展开，针对经典计算流体力学逐点推进、计算量随分辨率指数级增长的路径局限，以及量子线性演化框架与湍流强非线性特性不匹配的核心矛盾，系统梳理北京大学杨越教授团队的相关研究进展。团队未直接迁移纳维–斯托克斯方程，而是基于广义Madelung变换构建流体状态与量子态的严格映射，使波函数自旋分量直接对应流体涡面场，首次实现湍流向量子表达空间的转化；进一步提出“湍流万花筒”（Turbuloscope）编码方法，利用湍流多尺度自相似性，以与量子比特数成正比的线路深度高效生成含涡管结构的湍流场，较经典方法实现指数级加速，将计算目标从“还原演化过程”转向“构造符合物理规律的结构”。团队同步推进基于哈密顿量的流体演化模拟、量子涡粒子方法、格子玻尔兹曼方法量子化等多条技术路线，并探索人工智能辅助映射构建，形成“量子计算负责高效演化、人工智能负责寻找映射”的协同模式。工程验证显示，615量子比特专用量子计算机在航空翼型多目标优化中实现较经典模拟退火约2000倍加速；团队计划5年内依托50+量子比特真机开展湍流模拟，规模超越现有超算能力，远期将构建集量子计算、人工智能与工程模型于一体的“工程湍流量智融合模拟平台”，推动量子计算从可行性验证走向复杂工程系统实际应用。

图源网络

研究背景

湍流是自然界与工程系统中普遍存在的典型非线性多尺度现象，广泛存在于大气环流、海洋运动、航空发动机燃烧室流动乃至天体演化过程之中，其能量传递与结构生成横跨宏观尺度至微观涡结构，各尺度间深度耦合、彼此嵌套。经典计算流体力学长期沿用离散网格、分步推进的数值求解框架，试图逐点追踪流场演化，但湍流的复杂度分布于全尺度空间，分辨率每提升一个层级，计算代价便呈指数级增长。北京大学力学与工程科学学院助理研究员卢臻指出，从三十年前至今，领域内反复提及的“算力不够”，本质并非硬件性能不足，而是经典逐点推进的计算路径已逼近自身极限，即便算力持续提升，直接数值模拟（DNS）仍始终被困于可承载的压缩尺度之内。

量子计算的出现并未仅被视作“更快的计算工具”，其以量子态存储信息、在高维希尔伯特空间实现整体演化的特性，被认为有可能改写复杂系统的计算逻辑。但将这一框架应用于湍流时，更深层的障碍随即显现：量子系统的演化严格遵循线性规律（以薛定谔方程为核心），而湍流的核心特征恰恰是强非线性相互作用——局部微小扰动可在短时间内被放大并重塑全局流场，既无法拆解处理，也无法通过局部近似拼接整体行为。这种“线性计算框架”与“非线性物理系统”的根本性不匹配，使得湍流问题长期无法直接进入量子计算的可表达空间。卢臻强调，此时的核心瓶颈已不再是算力强弱，而是“问题是否能被写成量子计算可以理解的形式”。

研究方法

针对上述瓶颈，北京大学力学与工程科学学院杨越教授团队并未尝试直接将纳维–斯托克斯方程迁移至量子系统，而是从底层重构流体的描述方式。团队基于广义 Madelung 变换，建立了流体状态与量子态之间的严格映射关系，使波函数中的自旋矢量分量可直接对应流体中的涡面场，首次实现了湍流状态向量子表达空间的转化。在此基础之上，团队进一步提出名为“湍流万花筒”（Turbuloscope）的编码方法，利用湍流多尺度自相似的内在结构特征，仅需与量子比特数成正比的量子线路深度，即可高效生成包含涡管等关键结构的湍流场，较经典方法实现指数级加速。该方法不再依赖逐步时间推进，可直接构造具备统计物理特征的湍流状态，计算目标已从“还原演化过程”转向“构造符合物理规律的结构”。

“湍流万花筒”Meng et al., arXiv:2508.053346v3, 2026

除这一核心路径外，团队同时并行推进多条互补技术路线：包括基于哈密顿量的流体演化模拟、从结构单元出发的量子涡粒子方法、格子玻尔兹曼方法的量子化实现等。针对部分缺乏解析映射的复杂场景，团队还探索了人工智能与量子计算的融合思路：由人工智能承担数据驱动下的映射构建任务，补上理论推导无法覆盖的盲区，逐步形成“量子计算负责高效演化、人工智能负责寻找映射”的协同模式。

图源卢臻对外演讲资料

研究结论与展望

工程验证层面已取得明确进展：在航空翼型多目标优化问题中，615 量子比特规模的专用量子计算机相较经典模拟退火算法，优化时间实现约 2000 倍加速，印证了量子计算在高维复杂优化问题中的结构性优势。团队目前已与航空、航天、海洋等领域的应用单位开展合作，推动量智融合方法向真实场景延伸。

面向未来，团队设定了清晰的阶段性目标：未来五年内，计划在量子真机上实现超过 50 个量子比特的湍流模拟，对应网格规模将超出当前最大超算的同类问题处理能力，使此前依赖模型近似或经验参数的工程问题首次具备直接计算的可能。当量子比特规模扩展至 100 级别，研究视野将从局部流动模拟跨越至天气系统等跨尺度耦合问题，覆盖流体、热力、化学反应及边界条件的动态交互。杨越教授团队的最终目标，是构建集量子计算、人工智能与工程模型于一体的“工程湍流量智融合模拟平台”，为复杂工程系统提供新一代基础设施支撑。

正如卢臻所言：“量子计算极为缺乏实际应用，如何实用化是基础研究的蓝海领域。”当前相关研究正处于从“可行性验证”向“工程化落地”过渡的关键阶段，其进展表明：专用量子计算正在真正开始参与解决真实世界的复杂科学问题，距离跨过“开始有用”的临界点已越来越近。

原文链接：https://mp.weixin.qq.com/s/BRhR85fpfxb7wjHGlhLRAQ

本文围绕湍流模拟长期受困于经典计算“非线性计算深渊”的瓶颈展开，针对经典计算流体力学逐点推进、计算量随分辨率指数级增长的路径局限，以及量子线性演化框架与湍流强非线性特性不匹配的核心矛盾，系统梳理北京大学杨越教授团队的相关研究进展。团队未直接迁移纳维–斯托克斯方程，而是基于广义Madelung变换构建流体状态与量子态的严格映射，使波函数自旋分量直接对应流体涡面场，首次实现湍流向量子表达空间的转化；进一步提出“湍流万花筒”（Turbuloscope）编码方法，利用湍流多尺度自相似性，以与量子比特数成正比的线路深度高效生成含涡管结构的湍流场，较经典方法实现指数级加速，将计算目标从“还原演化过程”转向“构造符合物理规律的结构”。团队同步推进基于哈密顿量的流体演化模拟、量子涡粒子方法、格子玻尔兹曼方法量子化等多条技术路线，并探索人工智能辅助映射构建，形成“量子计算负责高效演化、人工智能负责寻找映射”的协同模式。工程验证显示，615量子比特专用量子计算机在航空翼型多目标优化中实现较经典模拟退火约2000倍加速；团队计划5年内依托50+量子比特真机开展湍流模拟，规模超越现有超算能力，远期将构建集量子计算、人工智能与工程模型于一体的“工程湍流量智融合模拟平台”，推动量子计算从可行性验证走向复杂工程系统实际应用。

图源网络

研究背景

湍流是自然界与工程系统中普遍存在的典型非线性多尺度现象，广泛存在于大气环流、海洋运动、航空发动机燃烧室流动乃至天体演化过程之中，其能量传递与结构生成横跨宏观尺度至微观涡结构，各尺度间深度耦合、彼此嵌套。经典计算流体力学长期沿用离散网格、分步推进的数值求解框架，试图逐点追踪流场演化，但湍流的复杂度分布于全尺度空间，分辨率每提升一个层级，计算代价便呈指数级增长。北京大学力学与工程科学学院助理研究员卢臻指出，从三十年前至今，领域内反复提及的“算力不够”，本质并非硬件性能不足，而是经典逐点推进的计算路径已逼近自身极限，即便算力持续提升，直接数值模拟（DNS）仍始终被困于可承载的压缩尺度之内。

量子计算的出现并未仅被视作“更快的计算工具”，其以量子态存储信息、在高维希尔伯特空间实现整体演化的特性，被认为有可能改写复杂系统的计算逻辑。但将这一框架应用于湍流时，更深层的障碍随即显现：量子系统的演化严格遵循线性规律（以薛定谔方程为核心），而湍流的核心特征恰恰是强非线性相互作用——局部微小扰动可在短时间内被放大并重塑全局流场，既无法拆解处理，也无法通过局部近似拼接整体行为。这种“线性计算框架”与“非线性物理系统”的根本性不匹配，使得湍流问题长期无法直接进入量子计算的可表达空间。卢臻强调，此时的核心瓶颈已不再是算力强弱，而是“问题是否能被写成量子计算可以理解的形式”。

研究方法

针对上述瓶颈，北京大学力学与工程科学学院杨越教授团队并未尝试直接将纳维–斯托克斯方程迁移至量子系统，而是从底层重构流体的描述方式。团队基于广义 Madelung 变换，建立了流体状态与量子态之间的严格映射关系，使波函数中的自旋矢量分量可直接对应流体中的涡面场，首次实现了湍流状态向量子表达空间的转化。在此基础之上，团队进一步提出名为“湍流万花筒”（Turbuloscope）的编码方法，利用湍流多尺度自相似的内在结构特征，仅需与量子比特数成正比的量子线路深度，即可高效生成包含涡管等关键结构的湍流场，较经典方法实现指数级加速。该方法不再依赖逐步时间推进，可直接构造具备统计物理特征的湍流状态，计算目标已从“还原演化过程”转向“构造符合物理规律的结构”。

“湍流万花筒”Meng et al., arXiv:2508.053346v3, 2026

除这一核心路径外，团队同时并行推进多条互补技术路线：包括基于哈密顿量的流体演化模拟、从结构单元出发的量子涡粒子方法、格子玻尔兹曼方法的量子化实现等。针对部分缺乏解析映射的复杂场景，团队还探索了人工智能与量子计算的融合思路：由人工智能承担数据驱动下的映射构建任务，补上理论推导无法覆盖的盲区，逐步形成“量子计算负责高效演化、人工智能负责寻找映射”的协同模式。

图源卢臻对外演讲资料

研究结论与展望

工程验证层面已取得明确进展：在航空翼型多目标优化问题中，615 量子比特规模的专用量子计算机相较经典模拟退火算法，优化时间实现约 2000 倍加速，印证了量子计算在高维复杂优化问题中的结构性优势。团队目前已与航空、航天、海洋等领域的应用单位开展合作，推动量智融合方法向真实场景延伸。

面向未来，团队设定了清晰的阶段性目标：未来五年内，计划在量子真机上实现超过 50 个量子比特的湍流模拟，对应网格规模将超出当前最大超算的同类问题处理能力，使此前依赖模型近似或经验参数的工程问题首次具备直接计算的可能。当量子比特规模扩展至 100 级别，研究视野将从局部流动模拟跨越至天气系统等跨尺度耦合问题，覆盖流体、热力、化学反应及边界条件的动态交互。杨越教授团队的最终目标，是构建集量子计算、人工智能与工程模型于一体的“工程湍流量智融合模拟平台”，为复杂工程系统提供新一代基础设施支撑。

正如卢臻所言：“量子计算极为缺乏实际应用，如何实用化是基础研究的蓝海领域。”当前相关研究正处于从“可行性验证”向“工程化落地”过渡的关键阶段，其进展表明：专用量子计算正在真正开始参与解决真实世界的复杂科学问题，距离跨过“开始有用”的临界点已越来越近。

原文链接：https://mp.weixin.qq.com/s/BRhR85fpfxb7wjHGlhLRAQ