elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English Samstag, 28. Dezember 2024
Schriftgröße: [-] Text [+]

Solving Transport Equations on Quantum Computers - Potential and Limitations of Physics-Informed Quantum Circuits

Siegl, Pia und Wassing, Simon und Mieth, Dirk Markus und Langer, Stefan und Bekemeyer, Philipp (2023) Solving Transport Equations on Quantum Computers - Potential and Limitations of Physics-Informed Quantum Circuits. In: Deutscher Luft- und Raumfahrtkongress. Deutscher Luft und Raumfahrt Kongress 2023, 2023-09-19 - 2023-09-21, Stuttgart, Deutschland. (eingereichter Beitrag)

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Quantum circuits with trainable parameters, paired with classical optimization routines can be used as machine learning models. The recently popularized Physics-Informed Neural Network (PINN) approach is a machine learning algorithm which solves differential equations by incorporating them into a loss function. Being a mesh-free method, it is a promising approach for computational fluid dynamics. The question arises whether the properties of quantum circuits can be leveraged for a quantum physics-informed machine learning model. In this study we compare the classical PINN-ansatz and its quantum analog, which we name the physics-informed quantum circuit (PIQC). The PIQC simulations are performed on a noise-free simulator. Studying various differential equations, we compare expressivity, accuracy and convergence properties. We find that one-dimensional problems, such as the linear transport of a Gaussian-pulse or Burgers' equation, allow a successful approximation with the classical and the quantum ansatz. For these examples, the PIQC overall performs similarly to PINN and converges more consistently and for Burgers' equations even faster. While this is promising, the chosen quantum circuit approach struggles to approximate discontinuous solutions which the classical PINN-Ansatz can represent. Based on this comparison, we extrapolate that required number of qubits for solving two-dimensional problems in aerodynamics may already be available in the next few years. However, the acceleration potential is currently unclear and challenges like noisy-circuits and approximations of discontinuous solutions have to be overcome.

elib-URL des Eintrags:https://elib.dlr.de/198515/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Solving Transport Equations on Quantum Computers - Potential and Limitations of Physics-Informed Quantum Circuits
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iD
Siegl, Pia*pia.siegl (at) dlr.de
Wassing, SimonSimon.Wassing (at) dlr.de
Mieth, Dirk MarkusMarkus.Mieth (at) dlr.de
Langer, StefanStefan.Langer (at) dlr.de
Bekemeyer, PhilippPhilipp.Bekemeyer (at) dlr.de
*DLR corresponding author
Datum:September 2023
Erschienen in:Deutscher Luft- und Raumfahrtkongress
Referierte Publikation:Nein
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:eingereichter Beitrag
Stichwörter:Quantum Machine Learning, Physics Informed Neural Networks,
Veranstaltungstitel:Deutscher Luft und Raumfahrt Kongress 2023
Veranstaltungsort:Stuttgart, Deutschland
Veranstaltungsart:nationale Konferenz
Veranstaltungsbeginn:19 September 2023
Veranstaltungsende:21 September 2023
Veranstalter :Deutsche Gesellschaft für Luft- und Raumfahrt
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L - keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):L - keine Zuordnung
Standort: Braunschweig , Dresden
Institute & Einrichtungen:Institut für Softwaremethoden zur Produkt-Virtualisierung > Hochleistungsrechnen
Institut für Aerodynamik und Strömungstechnik
Hinterlegt von: Siegl, Pia
Hinterlegt am:06 Dez 2023 20:32
Letzte Änderung:24 Apr 2024 20:58

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Einige Felder oben sind zurzeit ausgeblendet: Alle Felder anzeigen
Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.