Kvantumszámítással gyorsítaná az elektromos autók fejlesztését a Nissan

A kvantumszámítógép egyelőre nem váltja ki a szélcsatornát.

A Quemix közölte, hogy közös fejlesztési projektet indított a Nissannal kvantumszámítást használó aerodinamikai elemzőszoftver létrehozására. Ennek központi eleme egy hibrid, kvantumos és klasszikus algoritmus, amelyet jövőbeli Early FTQC kvantumszámítógépekhez, vagyis korai hibatűrő gépekhez terveztek. Kvantumszimulátorban az új módszer nagy pontossággal reprodukálta a hagyományos, klasszikus aerodinamikai elemzések eredményeit. A Nissan és a Quemix szabadalmi bejelentéseket is tett a technológiára.

Egy fontos részletet érdemes józanul kezelni. A Nissan nem állítja, hogy a holnapi Ariya, Leaf vagy Qashqai már kvantumszámítógépben születik. A vállalatok az algoritmust kvantumszimulátorban tesztelték, nem valódi kvantumszámítógépen, sorozatgyártású jármű fejlesztési folyamatában. Ettől a történet visszafogottabb, de nem kevésbé jelentős. Az autófejlesztésben az kerül előnybe, aki tucatnyi vagy akár több száz karosszériaváltozat körüli légáramlást képes kiszámítani, mielőtt szélcsatornára és fizikai prototípusokra költene időt és pénzt.

Miért fontosabb az aerodinamika, mint valaha egy elektromos autóban?

Az aerodinamika nem csak az autópályás tempónál jelentkező légellenállás csökkentéséről szól. Hatással van az elektromos autók hatótávjára, a valós akkumulátorterhelésre, a szélzajra, a hűtőlevegő áramlására, a fékhőmérsékletekre, sőt az alsó burkolatok védelmére is. Európában erre újabb nyomást tesznek a szabályok. Az új személyautókra vonatkozó CO2-célok szigorodnak: az Európai Környezetvédelmi Ügynökség szerint 2025 és 2029 között 93,6 g/km, 2030 és 2034 között 49,5 g/km, 2035-re pedig 0 g/km a célérték.

Ez magyarázza, miért tekint a Nissan számítástechnikai problémaként az aerodinamikára. Az autó karosszériájának minden részlete, minden tükör, kerékjárat, alsó burkolat, hűtőnyílás és leváló él turbulenciát kelt a légáramlásban. A klasszikus CFD, vagyis a számítógépes áramlástani szimuláció rengeteg információt ad a mérnököknek, de sok időt és számítási kapacitást igényel. A Nissan saját műszaki áttekintése már 2022-ben jelezte, hogy a CFD jelentős erőforrást és időt követel, ezért a vállalat gépi tanuláson alapuló helyettesítő modellt fejleszt a járműforma és a CFD-eredmények közötti kapcsolat megtanulására, a nyomás, a légsebesség és a légellenállási együttható előrejelzésére.

Az új algoritmus két világ között osztja meg a munkát.

A Nissan és a Quemix megközelítése nem adja át a teljes aerodinamikai problémát egy kvantumszámítógépnek. A klasszikus számítógép kezeli a beáramlási és kiáramlási feltételeket, valamint a mozgó objektumokhoz kapcsolódó részeket. A kvantumszámítógép a folyadékdinamika magját kapja, beleértve az álló objektumok határfelületeit. Ez a munkamegosztás logikus, mert a korai hibatűrő kvantumszámítógépek nem kínálnak majd korlátlan számítási teljesítményt.

A műszaki akadályt a peremfeltételek jelentik. Egy egyszerű kocka vagy szabályos rács sokkal könnyebb feladat egy kvantumalgoritmusnak, mint egy valódi autókarosszéria, ahol a felületek íveltek, a részletek metszik egymást, a kerekek, az alsó rész és a hátsó traktus körüli légáramlás pedig rendkívül összetetté válik. A Quemix szerint az ilyen peremfeltételekhez szükséges kvantumáramkörök gyorsan túl nagyra nőnek. Az új hibrid algoritmus ezt a szűk keresztmetszetet próbálja feloldani azzal, hogy a nehezebb munka egy részét a klasszikus számítógépre hagyja.

A Nissan nincs egyedül ebben a versenyben.

Az iparágban a magas szintű fejlesztés ugyanabba az irányba tart: kevesebb fizikai teszt, több digitális iteráció. 2026 áprilisában az IBM és a Dallara azt közölte, hogy fizikai alapú MI-modelljük körülbelül 10 másodperc alatt képes kiértékelni egy LMP2 jellegű versenyautó hátsó diffúzorváltozatait, miközben a hagyományos CFD-nek ehhez órákra volt szüksége. Az IBM és a Dallara párhuzamosan vizsgál kvantumos és klasszikus megközelítéseket is, azzal a céllal, hogy később összetettebb szimulációkban használják őket.

A Nissan előnye, hogy nem laboratóriumi érdekességként kezeli a számítógépes szimulációt. Egy AMD-esettanulmány szerint a Nissan 30 százalékkal javította az ütközésszimulációk teljesítményét, és 20 százalékkal csökkentette az érintett CAE-munkafolyamat teljes költségét, miután AMD EPYC processzorokra épülő Microsoft Azure virtuális gépekre állt át. Ez mutatja, mennyire komolyan veszi a Nissan a számítási kapacitást mint a járműfejlesztés gyorsítóját.

A vásárlóknak csendesebb és hatékonyabb autót hozhat az eredmény.

Egy kvantumszámítógép önmagában nem teszi vonzóbbá a Nissan következő elektromos autóját. Egy ilyen eszköz viszont lehetővé teheti a mérnököknek, hogy több karosszéria- és alsóburkolat-változatot teszteljenek, és még azelőtt optimalizálják a légáramlást, hogy képbe kerülne egy drága fizikai prototípus. Az európai ügyfelek számára ez nagyon kézzelfogható formában jelenhet meg: néhány százalékkal alacsonyabb autópályás energiafelhasználásban, kisebb szélzajban és hosszabb valós elektromos hatótávban.

A legnagyobb érték az időben rejlik. Az elektromos autók fejlesztése gyors tempóban halad, a kínai gyártók lefelé nyomják az árakat, az európai szabályozás pedig minden grammra figyelmet követel. Ha a Nissan valódi fejlesztési folyamatba tudja vinni a kvantumos és klasszikus aerodinamikai szoftvert, rövidítheti a tesztciklusokat, és határozottabban keresheti azokat a formákat, amelyek jól néznek ki, miközben kevesebb energiapazarlással hasítják a levegőt.

Műszaki összefoglaló

A Nissan és a Quemix kvantumos és klasszikus aerodinamikai szimulációs szoftvert fejleszt.

A rendszer jövőbeli Early FTQC hibatűrő kvantumszámítógépeket céloz.

A klasszikus számítógép a beáramlást, a kiáramlást és a mozgáshoz kapcsolódó elemeket számolja, míg a kvantumszámítógép a folyadékdinamika magját kezeli.

Kvantumszimulátorban az algoritmus nagy pontossággal reprodukálta a klasszikus LBM-aerodinamikai elemzés eredményeit.

Az európai piacon a legnagyobb lehetséges előny az alacsonyabb energiafelhasználás, a hosszabb elektromos hatótáv és a gyorsabb modellfejlesztés.