Buchumschlag

Quantum machine learning for efficient reduced order modelling of turbulent flows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Han, Lou, Yutong, Xiao, Dunhui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Fluid Dynamics Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tensor network reduced order models for wall-bounded flows
von: Kiffner, Martin, et al.
Veröffentlicht: (2023)

Quantum-assisted tracer dispersion in turbulent shear flow
von: Ingelmann, Julia, et al.
Veröffentlicht: (2025)

Stochastic reduced-order Koopman model for turbulent flows
von: Chu, Tianyi, et al.
Veröffentlicht: (2025)

Quantum implicit representation of vortex filaments in turbulence
von: Zhu, Chenjia, et al.
Veröffentlicht: (2025)

Quantum Computing for nonlinear differential equations and turbulence
von: Tennie, Felix, et al.
Veröffentlicht: (2024)

Geometric encoding of turbulence for end-to-end quantum simulation
von: Meng, Zhaoyuan, et al.
Veröffentlicht: (2025)

Train yourself: self-compressing reduced-order models of turbulent flows
von: Addison-Smith, Ian, et al.
Veröffentlicht: (2025)

Quantum support vector machines for aerodynamic classification
von: Yuan, Xi-Jun, et al.
Veröffentlicht: (2022)

Compression, simulation, and synthesis of turbulent flows with tensor trains
von: Pisoni, Stefano, et al.
Veröffentlicht: (2025)

Quantum machine learning for the quantum lattice Boltzmann method: Trainability of variational quantum circuits for the nonlinear collision operator across multiple time steps
von: Zamora, Antonio David Bastida, et al.
Veröffentlicht: (2026)

Quantum simulation of Burgers turbulence: Nonlinear transformation and direct evaluation of statistical quantities
von: Uchida, Fumio, et al.
Veröffentlicht: (2024)

Quantum Carleman linearisation efficiency in nonlinear fluid dynamics
von: Gonzalez-Conde, Javier, et al.
Veröffentlicht: (2024)

Lowest order Carleman linearization for steady state fluid flow simulations
von: Cappelli, Luca, et al.
Veröffentlicht: (2026)

Reduced-order modeling of a viscoelastic turbulent jet with hybrid machine learning models
von: Amor, Christian, et al.
Veröffentlicht: (2026)

Quantum computing of reacting flows via Hamiltonian simulation
von: Lu, Zhen, et al.
Veröffentlicht: (2023)

Towards extreme event prediction of turbulent flows with quantized local reduced-order models
von: Colanera, Antonio, et al.
Veröffentlicht: (2025)

Solving the Hele-Shaw flow using the Harrow-Hassidim-Lloyd algorithm on superconducting devices: A study of efficiency and challenges
von: Meena, Muralikrishnan Gopalakrishnan, et al.
Veröffentlicht: (2024)

An accuracy-enhanced transonic flow prediction method fusing deep learning and reduced-order model
von: Jia, Xuyi, et al.
Veröffentlicht: (2023)

Space-time nonlinear reduced-order modelling for unsteady flows
von: Li, Xiaodong, et al.
Veröffentlicht: (2025)

Assessment of unsteady flow predictions using hybrid deep learning based reduced order models
von: Bukka, Sandeep Reddy, et al.
Veröffentlicht: (2020)

A Stable and General Quantum Fractional-Step Lattice Boltzmann Method for Incompressible Flows
von: Xiao, Yang, et al.
Veröffentlicht: (2026)

Tensor networks enable the calculation of turbulence probability distributions
von: Gourianov, Nikita, et al.
Veröffentlicht: (2024)

Statistical machine learning tools for probabilistic closures of turbulence models
von: Lemos, Julia Domingues, et al.
Veröffentlicht: (2025)

Prediction of turbulent channel flow using Fourier neural operator-based machine-learning strategy
von: Wang, Yunpeng, et al.
Veröffentlicht: (2024)

Simulating unsteady fluid flows on a superconducting quantum processor
von: Meng, Zhaoyuan, et al.
Veröffentlicht: (2024)

Thermalized Abrikosov lattices from decaying turbulence in rotating BECs
von: Estrada, Julian Amette, et al.
Veröffentlicht: (2022)

Multi-Partitioned Meshfree Quantum Finite Particle Method: A Hybrid Quantum Framework for Fluid Flow
von: Li, Yudong, et al.
Veröffentlicht: (2025)

Quantum Lattice Kinetic Scheme for Solving Two-dimensional and Three-dimensional Incompressible Flows
von: Xiao, Yang, et al.
Veröffentlicht: (2025)

Defiltering turbulent flow fields for Lagrangian particle tracking using machine learning techniques
von: Oura, Tomoya, et al.
Veröffentlicht: (2024)

Elastoinertial turbulence: Data-driven reduced-order model based on manifold dynamics
von: Kumar, Manish, et al.
Veröffentlicht: (2024)

Spectral quantum algorithm for passive scalar transport in shear flows
von: Pfeffer, Philipp, et al.
Veröffentlicht: (2025)

Drag modelling for flows through assemblies of spherical particles with machine learning: A comparison of approaches
von: Reuter, Julia, et al.
Veröffentlicht: (2025)

Toward end-to-end quantum simulation of rapidly distorted turbulence
von: Meng, Zhaoyuan, et al.
Veröffentlicht: (2025)

Nonlinear projection-based model order reduction with machine learning regression for closure error modeling in the latent space
von: de Parga, S. Ares, et al.
Veröffentlicht: (2025)

The turbulence development at its initial stage: a scenario based on the idea of vortices decay
von: Talalov, S. V.
Veröffentlicht: (2023)

Neural-ISAM: A hybrid in-situ machine learning approach for complex manifold-based combustion models in LES of turbulent flames
von: Fush, S. Trevor, et al.
Veröffentlicht: (2026)

Simulating non-trivial incompressible flows with a quantum lattice Boltzmann algorithm
von: Jennings, David, et al.
Veröffentlicht: (2025)

The quantum vortices dynamics: spatio-temporal scale hierarchy and origin of turbulence
von: Talalov, S. V.
Veröffentlicht: (2023)

On higher-order derivative ratios in turbulent flows
von: Grujić, Zoran, et al.
Veröffentlicht: (2026)

Lattice Boltzmann-Carleman quantum algorithm and circuit for fluid flows at moderate Reynolds number
von: Sanavio, Claudio, et al.
Veröffentlicht: (2023)