从算法到真机：Quanscient与Haiqu如何让量子CFD跑起来?

从飞机机翼周围的气流，到船体附近的水动力，再到能源装备中的传热与湍流，计算流体力学（CFD）几乎贯穿现代工业设计的每一个角落。但越接近真实工程问题，复杂几何、非线性、边界条件和多时间步迭代就越会迅速推高对存储与算力的需求。

量子计算能否真正参与这样的“硬核工程计算”？过去，量子CFD更多停留在理论模型、理想模拟器或高度简化的线性问题中。2026年，芬兰多物理场仿真公司Quanscient与量子中间件公司Haiqu给出了一个更接近工程现实的答案：双方将One-Step Simplified Lattice Boltzmann Method（OSSLBM，一步简化格子玻尔兹曼方法）与硬件感知中间件结合，在IBM Heron R3量子处理器上完成了带固体障碍物的15步非线性流体模拟。

AZoQuantum近期对Quanscient首席科学家兼联合创始人Dr.Valtteri Lahtinen，以及Haiqu首席科学家Dr.Maciej Koch-Janusz进行了专访。

受访者

（图为Maciej Koch-Janusz，Haiqu首席科学家，理论凝聚态物理学背景，博士毕业于魏茨曼科学研究所，研究方向覆盖物理、信息论与机器学习。Haiqu主要开发量子中间件，包括量子编译、电路压缩、误差缓解、状态制备与读出等工具。）

（图为Valtteri Lahtinen，Quanscient首席科学家、联合创始人及Quanscient Quantum Labs负责人，同时担任芬兰LUT大学量子计算产业教授，长期从事计算物理、数学与量子技术交叉研究。Quanscient成立于2021年，总部位于芬兰坦佩雷，聚焦云计算、人工智能与量子计算驱动的多物理场仿真。）

量子CFD迈向真实流体模拟

Q1 请两位先介绍一下自己的背景，并谈谈双方是怎样合作开发这套量子CFD算法的？

Valtteri：我是Quanscient首席科学家兼联合创始人，负责Quanscient Quantum Labs，同时担任芬兰LUT大学量子计算产业教授。Quanscient主要面向多物理场仿真，把云计算、人工智能和量子计算结合到仿真软件中。这次合作中，我们负责开发基于OSSLBM的一套量子算法框架，让复杂流体问题能够以更高效的量子线路形式表示。

Maciej：我是Haiqu首席科学家，研究背景是理论凝聚态物理。Haiqu主要做量子中间件，包括量子编译、电路压缩、误差缓解、状态制备与读出等。此次我们把这些工具应用到Quanscient的OSSLBM算法上，把线路进一步压缩，并提高它在真实IBM量子处理器上的可执行性和结果可靠性。

Q2 与此前量子格子玻尔兹曼方法和量子CFD演示相比，这次结果最突出的不同是什么？

Valtteri：过去不少量子CFD方案依赖线性方程求解器，或者只处理高度理想化、近似线性的格子玻尔兹曼问题。这次我们把非线性Navier-Stokes问题放进混合量子—经典循环，在真实IBM量子处理器上执行，并且流场中还包含一个固体障碍物。也就是说，这不再只是理想模拟器上的理论验证，而是更接近实际工程条件的二维非线性流动计算。

Q3 为什么在量子硬件上连续完成15个时间步，并处理带障碍物的非线性流动，是一个重要里程碑？

Valtteri：连续执行15个时间步，说明混合计算循环能够在硬件噪声存在的情况下，把流场的动态信息从一个时刻传递到下一个时刻。我们还通过掩膜方法处理固体区域，使模拟能够加入类似机翼等工程对象所需要的复杂边界条件。

Maciej：关键并不只是问题规模，而是把完整CFD流程中的多种要素同时放到真实、带噪声的QPU上，包括非线性、非平凡边界、多时间步、状态制备和状态读出。把这些环节真正组合起来，本身就是从概念演示走向可扩展工作流的重要一步。

Q4 为了从高度理想化的量子CFD案例走向更真实的模拟，团队解决了哪些关键技术障碍？

Valtteri：从算法侧看，我们需要重新思考传统格子玻尔兹曼流程，使它从一开始就更适合量子计算，并尽可能降低量子比特和量子门的需求。但算法足够高效只是第一步，如何让它在今天的真实硬件上跑起来，同样决定最终效果。

Maciej：硬件执行阶段最关键的问题之一是线路深度和噪声。我们分析并压缩OSSLBM线路，结合张量网络进行状态制备和读出，并采用误差缓解，使优化后的线路深度约为标准编译方案的三分之一。这样既降低噪声影响，也把所需测量次数控制在更现实的范围内。

Q5 基于OSSLBM的方案，怎样改变了CFD问题映射到量子硬件上的方式？

Valtteri：传统格子玻尔兹曼方法通常包含“碰撞”和“迁移”两个步骤，OSSLBM把它们简化成更紧凑的单步框架。更重要的是，算法核心直接围绕密度、动量等宏观变量展开，而不是只处理分布函数，因此边界条件更容易加入，也更适合构造成量子线路。这个框架还可以进一步扩展到CFD之外的其他物理模型。

Q6 两支团队在实际合作中如何分工？在IBM Heron R3上运行时，哪些优化最关键？

Valtteri：我们已经合作了几年，最早在量子行业活动中建立联系，后来在BMW—Airbus量子计算挑战中进行了正式合作，并成为入围团队。此后基本形成了稳定模式：Quanscient负责格子玻尔兹曼算法和工程问题，Haiqu负责电路压缩、编译和真机执行。OSSLBM本身也经历了数年的设计、细化和模拟器验证，直到能够承受真实硬件噪声。

Maciej：在真正上机时，通用编译还不够，还需要结合CFD和OSSLBM的具体结构做硬件感知优化。我们针对不同逻辑片段采用不同压缩方法，把部分“碰撞”操作与张量网络状态制备结合，并把障碍物相关计算尽量转移到经典后处理；同时优化多量子比特门的综合，并采用面向流场重构的函数层析方法降低读出成本。

量子CFD迈向工程实用化

Q7 哪些结果表明，量子CFD未来可能真正与工程应用产生关联？

Valtteri：量子CFD最值得期待的是规模扩展潜力。面对高雷诺数、强湍流和大规模多物理场问题，经典计算会受到存储和算力的巨大限制。这次结果说明，OSSLBM不仅具有理论上的扩展优势，而且在真实硬件噪声下连续演化15步后，仍能保留有意义的流动信息并表现出向稳态收敛的趋势。

Maciej：量子格子玻尔兹曼方法的吸引力在于，它既有潜在的规模优势，又能覆盖复杂CFD问题，同时已经可以在近期量子设备上完成相当非平凡的原理验证。我们的结果也说明，算法团队与中间件团队之间的紧密协同，对量子CFD尤其重要。

Q8 如果面向不熟悉CFD的读者，这项成果主要推进了算法、硬件、误差缓解，还是实际应用？

Valtteri：真正的进步不是某一个单独环节，而是把这些环节整合成了一条能够工作的端到端流程。过去很多量子CFD研究要么偏理论，要么只在理想模拟器中验证；这次则把精简算法、硬件感知中间件和真实量子处理器结合起来，展示了一个包含障碍物的非线性流动问题可以在带噪声硬件上运行。

Maciej：这项工作的优势就在于多种方法的组合。未来相当长一段时间里，量子计算很可能处于规模有限、仍有残余噪声的早期容错阶段，因此算法与中间件共同设计会非常关键。只有把线路、状态制备、读出和误差成本一起优化，量子CFD才更可能跨过“量子效用”门槛。

Q9 接下来出现什么样的里程碑，才会让工程师把量子CFD视为真正可用的仿真工具？

Valtteri：下一步首先是把当前小规模二维问题扩展到更大的二维区域，再进一步进入三维模拟。但真正改变工程界判断的，是在明确的工业场景中实现“量子效用”，例如特定声学、空气动力学或多物理场任务上，量子流程能够给出经典高性能计算不容易获得的性能或资源优势。另一个方向是把量子模拟与AI结合，让量子计算生成经典方法难以获得的复杂物理数据，再用于训练多物理场AI模型。

结语：从真机验证走向规模化应用

这项工作最值得关注的地方，或许不是“15步”本身，而是它展示了一种更现实的量子应用开发方式：面向具体工程问题重新设计算法，由中间件对线路、状态制备、读出和误差进行联合优化，再把任务放到真实量子硬件上反复验证。

量子计算走向产业化，可能不会依靠某一个孤立的“神奇算法”突然完成，而更像今天的高性能计算生态——算法、软件栈、硬件和行业知识需要被共同设计。对于CFD这样高度成熟、又极度吃算力的工业工具而言，Quanscient与Haiqu的尝试提供了一个重要样本：问题已经开始从“量子计算能不能模拟真实流体”，转向“怎样把这条流程做得更大、更稳、更有用”。

https://www.azoquantum.com/Article.aspx?ArticleID=710