Nissan tager aerodynamik ind i kvantecomputing for at udvikle elbiler hurtigere

Kvantecomputeren erstatter endnu ikke vindtunnelen.

Quemix oplyser, at selskabet har indledt et fælles udviklingsprojekt med Nissan om software til aerodynamisk analyse ved hjælp af kvantecomputing. Kernen er en hybrid kvante og klassisk algoritme udviklet til fremtidige Early FTQC kvantecomputere, altså tidlige fejltolerante maskiner. I en kvantesimulator har den nye metode gengivet resultaterne fra konventionel klassisk aerodynamisk analyse med høj nøjagtighed. Nissan og Quemix har også indleveret patentansøgninger på teknologien.

En vigtig detalje kræver en mere nøgtern læsning. Nissan hævder ikke, at morgendagens Ariya, Leaf eller Qashqai bliver skabt inde i en kvantecomputer. Selskaberne har testet algoritmen i en kvantesimulator, ikke på en egentlig kvantecomputer som led i udviklingen af en produktionsbil. Det gør historien mere afdæmpet, men ikke mindre væsentlig. I biludvikling får den producent en fordel, som kan beregne luftstrømmen omkring dusinvis eller hundredvis af karrosserivarianter, før der bruges tid i vindtunnelen og penge på fysiske prototyper.

Derfor betyder aerodynamik mere end nogensinde i en elbil.

Aerodynamik handler ikke kun om at reducere luftmodstand ved motorvejshastighed. Den påvirker elbilens rækkevidde, den reelle belastning af batteriet, vindstøj, køleluft, bremsetemperaturer og endda beskyttelsen af undervognen. I Europa kommer der et ekstra pres. CO2-målene for nye personbiler strammes, og Det Europæiske Miljøagentur angiver målet til 93,6 g/km for 2025 til 2029, 49,5 g/km for 2030 til 2034 og 0 g/km for 2035.

Det forklarer, hvorfor Nissan ser aerodynamik som et computerproblem. Hver eneste detalje i bilens karrosseri, hvert spejl, hver hjulkasse, bundplade, køleåbning og bagkant skaber turbulens i luftstrømmen. Klassisk CFD, computational fluid dynamics, giver ingeniørerne enorme mængder information, men kræver tid og regnekraft. Nissans egen tekniske gennemgang påpegede allerede i 2022, at CFD krævede betydelige ressourcer og meget tid, og at selskabet udviklede en maskinlæringsbaseret surrogatmodel til at lære sammenhængen mellem bilens form og CFD-resultater og forudsige tryk, lufthastighed og luftmodstandskoefficient.

Den nye algoritme deler opgaven mellem to verdener.

Nissans og Quemix' metode overlader ikke hele aerodynamikproblemet til en kvantecomputer. Den klassiske computer håndterer indstrømnings- og udstrømningsforhold samt de dele, der hænger sammen med bevægelige objekter. Kvantecomputeren tager sig af kernen i fluiddynamikken, herunder grænserne omkring stationære objekter. Den arbejdsdeling giver mening, fordi tidlige fejltolerante kvantecomputere ikke vil have ubegrænset regnekraft.

Den tekniske stopklods ligger i randbetingelserne. En simpel kube eller et regelmæssigt gitter er langt lettere for en kvantealgoritme end et rigtigt bilkarrosseri, hvor flader buer, detaljer krydser hinanden, og luftstrømmen omkring hjul, undervogn og bagende bliver voldsomt kompleks. Ifølge Quemix vokser de kvantekredsløb, der kræves til den type randbetingelser, hurtigt og bliver for store. Den nye hybride algoritme forsøger at løse flaskehalsen ved at lade den klassiske computer tage en del af det tunge arbejde.

Nissan er ikke alene i kapløbet.

På tværs af industrien bevæger avanceret udvikling sig i samme retning: færre fysiske test og flere digitale iterationer. I april 2026 oplyste IBM og Dallara, at deres fysikbaserede AI-model kunne vurdere varianter af en bagdiffusor til en racerbil i LMP2-stil på omkring 10 sekunder, mens konventionel CFD krævede timer. IBM og Dallara undersøger også kvantebaserede og klassiske metoder parallelt med målet om senere at bruge dem i mere komplekse simuleringer.

Nissans fordel er, at selskabet ikke behandler computersimulering som en laboratorieøvelse. Et AMD-casestudie beskrev, hvordan Nissan forbedrede ydeevnen i kollisionssimuleringer med 30 procent og reducerede de samlede omkostninger for den relevante CAE-arbejdsgang med 20 procent efter skiftet til virtuelle Microsoft Azure-maskiner drevet af AMD EPYC-processorer. Det viser, hvor alvorligt Nissan ser regnekraft som en accelerator for biludvikling.

For køberne kan resultatet blive en mere støjsvag og effektiv bil.

En kvantecomputer vil ikke i sig selv gøre Nissans næste elbil mere attraktiv. Men et værktøj som dette kan give ingeniørerne mulighed for at teste flere karrosseri- og undervognsvarianter og optimere luftstrømmen, før en dyr fysisk prototype kommer ind i billedet. For europæiske kunder kan resultatet vise sig i en meget konkret form: nogle få procent lavere energiforbrug på motorvejen, mindre vindstøj og længere reel elektrisk rækkevidde.

Den største værdi ligger i tid. Udviklingen af elbiler går hurtigt, kinesiske producenter presser priserne ned, og europæisk regulering kræver opmærksomhed på hvert eneste gram. Hvis Nissan kan bringe software til kvantebaseret og klassisk aerodynamik ind i en reel udviklingsproces, kan det forkorte testforløb og gøre det muligt at lede mere aggressivt efter former, der både ser rigtige ud og skærer gennem luften med mindre spildt energi.

Teknisk opsummering.

Nissan og Quemix udvikler software til aerodynamiksimulering baseret på både kvantecomputing og klassisk databehandling.

Systemet er rettet mod fremtidige Early FTQC, fejltolerante kvantecomputere.

Den klassiske computer beregner indstrømning, udstrømning og elementer relateret til bevægelse, mens kvantecomputeren håndterer kernen i fluiddynamikken.

I en kvantesimulator gengav algoritmen resultater fra klassisk LBM-aerodynamikanalyse med høj nøjagtighed.

For det europæiske marked er de største potentielle gevinster lavere energiforbrug, længere elektrisk rækkevidde og hurtigere modeludvikling.