High-dimensional data-driven simulation for multiphysics problems with quantum computing

Li, Liang

doi:10.1016/j.ijmecsci.2026.111980

High-dimensional data-driven simulation for multiphysics problems with quantum computing

2026-08-01

0

PRE

AI

DOI：10.1016/j.ijmecsci.2026.111980

原文链接

原文求助

摘要

En 中文

磁电弹性（MEE）材料表现出独特的多能量相互转换特性，使其在工程应用中具有前景。然而，在多物理场模拟中准确捕捉这些耦合响应往往需要高维本构模型，包含大量参数，使得模型开发和校准具有挑战性。通过将本构模型替换为本构数据，数据驱动的计算力学提供了一条规避建模过程的可行路径。本研究为MEE问题开发了一种基于量子计算增强的高维数据驱动方法。本工作的算法创新之处在于将数据驱动计算扩展到高维MEE多物理场问题。该方法的核心思想是直接使用本构数据进行模拟，绕过材料建模的必要性。具体而言，这是通过在满足守恒定律的本构数据与数据之间执行最近邻搜索来实现的。同时，为降低高维空间中的最近邻搜索成本，采用了现有工作中使用的量子距离评估程序，并在Qiskit模拟器上对其数值性能进行了可行性研究，而非在真实量子硬件上展示实用量子效用。该方法的有效性和性能通过包括三维多尺度MEE梁在内的多个数值模拟得到验证。此外，我们还研究了高维空间中最近邻搜索的有效性，讨论了该领域内这一公认的开放性问题。本研究表明，将数据驱动计算扩展到更复杂的多物理场问题是可行的。

Keyword:

Data-driven computational mechanics

Multiphysics

Quantum computing

High-dimensional space

Nearest neighbor searches

Magneto-electro-elastic materials

High-dimensional data-driven simulation for multiphysics problems with quantum computing

摘要

期刊

机构

引用论文