湍流作为典型的非线性复杂系统，始终是经典计算“逐点推进”逻辑的算力天花板。北京大学杨越、卢臻团队的最新研究揭示了量子计算切入该领域的技术路径：不再强行求解纳维–斯托克斯方程，而是通过“湍流万花筒”等创新架构，将流场结构直接编码入高维希尔伯特空间。该工作不仅实现了指数级的计算加速，更在专用量子计算机上验证了2000倍的工程优化实效。这证明随着量子比特规模向50-100扩展，量子计算将具备直接处理天气预测、航空发动机全流程模拟等跨尺度耦合问题的能力。

经典计算的路径瓶颈：非线性多尺度问题的算力天花板

湍流是存在于大气运动、海洋环流、工程流动乃至天体物理过程中的共性基础问题，其核心特征是强非线性与多尺度嵌套耦合：大尺度涡结构经拉伸、撕裂逐层分解为小尺度涡，所有尺度的运动相互耦合，无法通过局部规律推导整体行为。

过去数十年，计算流体力学始终沿用“空间离散+时间步进”的数值求解路径，网格加密、步长缩减虽能提升精度，但计算量随分辨率呈指数级膨胀。直接数值模拟（DNS）在理论上可逼近真实流场，却始终受限于算力规模，卢臻指出，业内从三十年前至今反复提及的“算力不足”，本质并非硬件性能不够，而是经典计算“逐点推进”的逻辑已逼近自身极限。

图源网络

量子计算的适配挑战：线性框架与非线性系统的底层错位

量子计算的价值远不止于“更快的算力”：它以量子态存储信息，可在高维希尔伯特空间完成整体演化，无需遵循经典计算的步进逻辑，有限规模的系统即可编码指数级信息结构，部分算法甚至可通过时空联合编码直接获取系统全局特征。

但当这套框架面向湍流问题时，出现了根本性不匹配：量子系统的演化遵循线性规律，这是其高维信息处理能力的基础，而湍流的核心特征是相互作用持续生成新结构，二者存在底层逻辑错位。这也解释了为何量子计算在药物发现、材料模拟等线性特征显著的场景中推进迅速，却在流体、燃烧等强非线性工程问题中迟迟难以落地——核心卡点并非算力不足，而是问题本身无法被转化为量子计算可识别的表达形式。

底层映射突破：从“语言翻译”到专用编码架构

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，而是从更底层重构问题的表达范式。团队以湍流中的涡结构为核心切入点，基于广义Madelung变换建立流体状态与量子态的映射关系，使波函数的自旋矢量分量可直接对应流体涡面场，首次实现了湍流问题向量子表达空间的转化，完成了“语言翻译”的关键一步。

针对复杂湍流态的量子加载瓶颈，团队进一步提出“湍流万花筒”编码方案：利用湍流多尺度自相似的固有特征，借鉴光学万花筒的几何对称原理，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。卢臻透露，当量子比特规模扩展至50至60时，可表达的流场规模将超越当前最先进超算的处理能力，且该方法无需依赖时间步进，可直接构造具备统计特征的物理合规湍流结构，实现了计算目标从“还原演化过程”到“构造物理结构”的根本转变。

多路径布局与实证进展：量智融合的工程化落地

团队并未押注单一技术路线，而是并行推进四类互补方案：一是基于哈密顿量的流体演化模拟路径，延续量子模拟的传统框架；二是量子涡粒子方法，从流动的结构单元出发描述涡结构的生成与演化；三是介观尺度的格子玻尔兹曼方法量子化版本；四是引入人工智能补全映射缺口：针对无清晰解析映射的复杂场景，以数据驱动方式自动建立流体结构到量子态的演化关联，形成“量子计算负责高效演化、人工智能负责映射构建”的量智融合范式。

相关成果已在工程场景中验证实效：在615量子比特规模的专用量子计算机上，航空翼型多目标优化任务较经典模拟退火算法实现约2000倍加速。目前团队已与航空、航天、医疗等领域单位开展合作，将相关方法拓展至真实海洋流场等复杂场景的计算中。

未来展望：从临界点迈向工程新范式

团队明确了阶段性落地目标：未来五年内实现50+量子比特真机的湍流模拟，对应网格规模超过当前顶级超算的处理上限，使此前依赖经验参数的工程问题首次具备直接计算的可能。当量子比特规模突破100级，研究尺度将从局部流动模拟扩展至天气预报等跨尺度耦合系统，覆盖流体、热力、化学反应等多系统的动态交互需求。

杨越教授团队的最终目标是构建“工程湍流量智融合模拟平台”，整合量子计算、人工智能与现有工程模型，形成支撑航空发动机全流程模拟等复杂需求的新一代基础设施。卢臻强调，当前量子计算极为缺乏实际应用，实用化本身即是基础研究的蓝海领域。正如早期超算的发展历程，行业无需刻板等待技术完全成熟，当前相关进展已逼近“开始有用”的临界点，这恰是新计算范式进入工程领域的最典型信号。

 

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

湍流作为典型的非线性复杂系统，始终是经典计算“逐点推进”逻辑的算力天花板。北京大学杨越、卢臻团队的最新研究揭示了量子计算切入该领域的技术路径：不再强行求解纳维–斯托克斯方程，而是通过“湍流万花筒”等创新架构，将流场结构直接编码入高维希尔伯特空间。该工作不仅实现了指数级的计算加速，更在专用量子计算机上验证了2000倍的工程优化实效。这证明随着量子比特规模向50-100扩展，量子计算将具备直接处理天气预测、航空发动机全流程模拟等跨尺度耦合问题的能力。

经典计算的路径瓶颈：非线性多尺度问题的算力天花板

湍流是存在于大气运动、海洋环流、工程流动乃至天体物理过程中的共性基础问题，其核心特征是强非线性与多尺度嵌套耦合：大尺度涡结构经拉伸、撕裂逐层分解为小尺度涡，所有尺度的运动相互耦合，无法通过局部规律推导整体行为。

过去数十年，计算流体力学始终沿用“空间离散+时间步进”的数值求解路径，网格加密、步长缩减虽能提升精度，但计算量随分辨率呈指数级膨胀。直接数值模拟（DNS）在理论上可逼近真实流场，却始终受限于算力规模，卢臻指出，业内从三十年前至今反复提及的“算力不足”，本质并非硬件性能不够，而是经典计算“逐点推进”的逻辑已逼近自身极限。

图源网络

量子计算的适配挑战：线性框架与非线性系统的底层错位

量子计算的价值远不止于“更快的算力”：它以量子态存储信息，可在高维希尔伯特空间完成整体演化，无需遵循经典计算的步进逻辑，有限规模的系统即可编码指数级信息结构，部分算法甚至可通过时空联合编码直接获取系统全局特征。

但当这套框架面向湍流问题时，出现了根本性不匹配：量子系统的演化遵循线性规律，这是其高维信息处理能力的基础，而湍流的核心特征是相互作用持续生成新结构，二者存在底层逻辑错位。这也解释了为何量子计算在药物发现、材料模拟等线性特征显著的场景中推进迅速，却在流体、燃烧等强非线性工程问题中迟迟难以落地——核心卡点并非算力不足，而是问题本身无法被转化为量子计算可识别的表达形式。

底层映射突破：从“语言翻译”到专用编码架构

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，而是从更底层重构问题的表达范式。团队以湍流中的涡结构为核心切入点，基于广义Madelung变换建立流体状态与量子态的映射关系，使波函数的自旋矢量分量可直接对应流体涡面场，首次实现了湍流问题向量子表达空间的转化，完成了“语言翻译”的关键一步。

针对复杂湍流态的量子加载瓶颈，团队进一步提出“湍流万花筒”编码方案：利用湍流多尺度自相似的固有特征，借鉴光学万花筒的几何对称原理，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。卢臻透露，当量子比特规模扩展至50至60时，可表达的流场规模将超越当前最先进超算的处理能力，且该方法无需依赖时间步进，可直接构造具备统计特征的物理合规湍流结构，实现了计算目标从“还原演化过程”到“构造物理结构”的根本转变。

多路径布局与实证进展：量智融合的工程化落地

团队并未押注单一技术路线，而是并行推进四类互补方案：一是基于哈密顿量的流体演化模拟路径，延续量子模拟的传统框架；二是量子涡粒子方法，从流动的结构单元出发描述涡结构的生成与演化；三是介观尺度的格子玻尔兹曼方法量子化版本；四是引入人工智能补全映射缺口：针对无清晰解析映射的复杂场景，以数据驱动方式自动建立流体结构到量子态的演化关联，形成“量子计算负责高效演化、人工智能负责映射构建”的量智融合范式。

相关成果已在工程场景中验证实效：在615量子比特规模的专用量子计算机上，航空翼型多目标优化任务较经典模拟退火算法实现约2000倍加速。目前团队已与航空、航天、医疗等领域单位开展合作，将相关方法拓展至真实海洋流场等复杂场景的计算中。

未来展望：从临界点迈向工程新范式

团队明确了阶段性落地目标：未来五年内实现50+量子比特真机的湍流模拟，对应网格规模超过当前顶级超算的处理上限，使此前依赖经验参数的工程问题首次具备直接计算的可能。当量子比特规模突破100级，研究尺度将从局部流动模拟扩展至天气预报等跨尺度耦合系统，覆盖流体、热力、化学反应等多系统的动态交互需求。

杨越教授团队的最终目标是构建“工程湍流量智融合模拟平台”，整合量子计算、人工智能与现有工程模型，形成支撑航空发动机全流程模拟等复杂需求的新一代基础设施。卢臻强调，当前量子计算极为缺乏实际应用，实用化本身即是基础研究的蓝海领域。正如早期超算的发展历程，行业无需刻板等待技术完全成熟，当前相关进展已逼近“开始有用”的临界点，这恰是新计算范式进入工程领域的最典型信号。

 

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