文丨叹为观史

编辑丨叹为观史

前言

根据彭博社的一项研究，到2050年，对替代能源的投资将达到10万亿美元，世界能源消耗将以2.3%的速度增长。如2021年能源转型投资中所公布的那样，为了解决气候变化投资所面临的问题，将重点关注对环境友好的发电来源。

西门子讲述下一代重型燃气轮机技术的发展

对发电厂概念设计以减少污染的需求导致了新能源模拟和能源系统优化模型的创建。新型概念燃气轮机需要能够在各种运行条件下预测和模拟系统的系统。

为了模拟在不同高度运行的燃气轮机，需要考虑许多因素，比如说风速、气温、湿度等。为了提高效率，燃气轮机利用热交换器、中间冷却器和太阳能加热器的各种组合。概念设计需要优化方法来确定最适合系统的方法。

燃气轮机模型和模拟器有助于在设计燃气轮机的效率和成本之间进行权衡。许多研究人员研究了燃气轮机问题，包括传统的多元插值法、最速上升法和其他受自然启发的无梯度法算法，这些算法基于蜂群、布谷鸟搜索、遗传、蚱蜢和协方差矩阵。

在能源领域，基于量子的优化已经完成，以使用量子粒子群优化来预测油井储层的位置，并且发现其性能优于其他优化方法，量子粒子群优化广泛用于解决估计电路中Q因子的多变量优化问题，已探索用于燃气轮机的性能控制和预测燃气轮机控制，而无需转子速度转换。

需要燃气轮机模拟来创建稳态条件下的运行曲线，研究中冷器和同流换热器的设计，以提高效率，研究非设计性能、瞬态和分析燃气轮机气路故障诊断。

量子计算在航空航天中的应用

量子计算正在迅速改变超导、激光通信、加密、成像等领域的各种研究。它为能源生产和储存领域的非化学方法提供了见解。航空航天应用在获取边界条件和初始条件之间的过渡知识，即使是微小的变化，也需要对诱发干扰的精确知识。

在量子计算中使用模糊逻辑求解矢量/标量的能力有助于通过高阶数量级计算将多年计算问题减少到一分钟的几分之一。量子纠缠的优势在量子计算、量子密码学、量子隐形传态和量子传感器中得到了各种应用。可逆时的可逆门允许量子增益。

航空航天工业面临着一个主要问题，尤其是与设计或控制相关的参数优化问题。量子计算提供来自众多传感器的优化解决方案，这些传感器可能有助于推进控制、导航控制、轨迹和姿态控制。

它还有助于解决空气动力学、气流和热力学循环计算中的非线性问题。计算的特性有助于随机过程和计算化学反应的分子能态。此类应用之一是估算二甲醚与氧气反应的势能，导致燃烧温度范围为800–1350K，燃烧室的总压力类似于高空飞行。

使用量子优化，在工作压力下获得的能量值被用于研究用于高空飞行系统的6kW微型燃气轮机发电厂的热力循环，这有助于燃料几何优化值过程。

量子计算

燃气轮机运行会产生难以收集和分类的数TB数据，但是在机器学习和人工智能的帮助下，分析和管理此类数据变得更加容易。

为了解决复杂的参数优化问题，量子计算在处理信息时提供了新的见解，这与经典的二进制计算方法不同。量子计算使用物理、数据和编码同时执行计算，而不是使用经典的迭代方法来解决问题。处理所需的最少信息称为量子位。

经典方法比特和量子计算方法量子比特的概念图。位有两个状态1和0，而量子位有叠加状态，它可以同时为1和0，从而允许同时探索各种不同的解决方案并收敛到一个最佳解决方案。

由于量子纠缠，量子计算执行得更快，其中一个量子位可以在不发送任何信号的情况下理解远处量子位的数据。

量子计算的主要亮点

量子计算是研究将量子现象应用于解决复杂数学问题的算法和系统的研究领域。可处理信息的最小数量称为量子位，它是编码0和1的二维机械系统。量子计算的关键概念是叠加态、纠缠、干涉、测量和无重复。量子比特的量子态由。

量子位可以通过自己的轨迹穿过称为干扰的路径，这有助于通过并行计算加速。由于叠加，量子位测量非常脆弱，这有助于加密应用程序。量子位的状态无法复制或复制到另一个量子位中，从而防止数据被盗。

2位数字系统的状态由2个二进制数字确定，而2位量子系统的状态由4个系数确定：否-量子位包含经典信息的单位。量子位同时呈现两种状态0和1，称为叠加，有助于大规模执行并行计算。由于这种多状态配置，无法将量子比特分解为张量的乘积，因此，当状态为真时，该状态被称为纠缠。

量子编程通常集中在量子密码学等主要类别中，它使用量子纠缠特征处理密钥的分发。数据从一个量子系统到另一个量子的远距离传输被称为量子隐形传态，它使用纠缠态的对称特性。

为了以数字方式实现，必须创建一个公式来计算相干向量和相关矩阵。测量必须与期望的结果一致，并且量子算法被重复执行多次以获得更高的概率，H是运行的量子系统的状态空间，欧一组单一变换，吨一组测量命令。

输入以量子位状态的形式编码，启用叠加允许量子位以多种状态存在。同时将计算算法应用于所有状态以获得真实。为了提高测量真实/正确状态的概率，执行了量子干涉。最后一步测量和编码量子位以解释解决方案。

量子优化和机器学习

量子寄存器保存所有可能配置的输入数据，并将可能的结果随机化为测量所需解决方案的可能性。航空航天工业需要针对需要大量目标变量的多学科设计优化问题的解决方案。最好的解决方案是触发具有最小计算成本的成本函数。

一种常见的非结构化搜索优化方法是将Grover算法应用于函数F用于评估输入电路. 评估电路所需的时间由下式给出欧。该方法表示为,输出匹配F(X)=1。否维量子态存储在O个量子比特中。

许多门组合在一起以创建量子电路，以便对单个量子位执行所需的操作。量子比特被翻转到赤道以产生叠加。所有量子门都是可逆的，因为量子力学是可逆的。CNOT类似于经典的XOR门，但是单一的。

量子退火是一种在量子计算机上实现优化算法的方法，称为绝热量子计算。在这种情况下，必须针对一组输入变量优化燃气轮机的整体效率。选择的输入变量是涡轮进口温度、工作流体的质量流量、压力比和燃气轮机的功率输出。使用的燃料被认为是喷气发动机煤油。

数学问题转化为哈密顿问题的基态H0。该值绝热转换为H我在时间序列上。只要能量较小，参数就会接近基态，如绝热定理所述，测量时的最小能量差。量子退火有助于激发绝热量子计算，并具有添加中间哈密顿状态的功能。能态跳跃是使用量子隧穿事件执行的，这是绝热计算的近似。

将量子电路表示为酉运算，并按顺序排列在n-量子比特状态。这是表示n×2n中的矩阵序列n-量子比特状态。酉矩阵对进行运算n维向量作为量子门。

量子退火的另一种方法是前馈神经网络。神经网络由神经元层组成，每一层都由输入函数初始化。更新节点并在最后一层呈现输出。前馈神经网络使用sigmoid函数激活节点。使用已与神经网络集成的量子电路的混合燃气轮机设计优化器的拟议模型。

在量子世界中，基于模糊的神经元很容易集成为量子点。前向神经网络层也称为感知器，应该能够满足线性和非线性问题。这是通过使用称为量子感知器的相位估计算法进位获得的。模型中的机器学习充当过滤器以降低系统中的噪声。

模型评估和验证

为了评估和验证所提出的模型，可以使用不同的统计度量，例如均方误差、均方根误差、平均绝对误差和R2错误。均方误差定义为更接近数据点的预测数据线点的质量。尽可能准确地拟合数据的度量。

估计量的值越低，模型的准确性就越高，而RMSE使用预测线到数据点的平均欧氏距离。MAE衡量预测结果与实际观察结果之间的差异R2误差是方差的度量，也称为决定系数。

最近技术的发展为人们对量子计算的兴趣铺平了道路。目前有许多量子模拟器和工具可用于计算和验证量子算法模型。为了对燃气轮机的基于量子的优化和设计进行研究，量子计算机和量子模拟器是所需的两种技术。

结论

需要针对燃气轮机设计和优化问题设计和实施量子机器学习算法。通过训练深度学习网络，它们可以使用数据分类模型用于故障诊断和维护。

未来，量子传感器和量子通信网络将在航空航天领域发挥巨大作用。从量子角度来看，参数优化尚未得到充分发展。已经提出了使用酉量子门进行量子计算的各种方法，并且量子机器学习已经能够以更快的速度解决优化问题。

参考文献

1.麦考尔 杰.用于建模和优化的遗传算法.J Comput Appl Math。2005年;184(1个):205–222. 0377-0427,

2.卡拉博加 丁,阿凯 乙.人工蜂群算法的比较研究.应用数学计算。2009;214(1个):108–132

3.米基 SM,基什克 AA.电磁学的量子粒子群优化.IEEE 跨天线传播。2006年;54(10):2764–277

4.基普里亚尼迪斯 公斤,格伦施泰特 吨,尾河路 封装体,菌毛 P,辛格 R.评估具有中冷和中冷换热式核心的未来航空发动机设计.J Eng 燃气轮机动力。2011年;133(1个):011701

5.汉龙局部放电,梅贝克 聚苯乙烯.使用残差相关卡尔曼滤波器组的多模型自适应估计.IEEE Trans Aerosp 电子系统。2000;36(2个):393–406