Nissan sięga po komputery kwantowe, by przyspieszyć rozwój aut elektrycznych

Komputer kwantowy nie zastępuje jeszcze tunelu aerodynamicznego.

Quemix poinformował, że rozpoczął z Nissanem wspólny projekt rozwoju oprogramowania do analizy aerodynamiki z wykorzystaniem obliczeń kwantowych. Jego podstawą jest hybrydowy algorytm kwantowo-klasyczny zaprojektowany z myślą o przyszłych komputerach kwantowych Early FTQC, czyli wczesnych maszynach odpornych na błędy. W symulatorze kwantowym nowa metoda z wysoką dokładnością odtworzyła wyniki konwencjonalnej, klasycznej analizy aerodynamicznej. Nissan i Quemix złożyły też zgłoszenia patentowe dotyczące tej technologii.

Jeden istotny szczegół wymaga chłodniejszej interpretacji. Nissan nie twierdzi, że jutrzejsza Ariya, Leaf czy Qashqai powstaną wewnątrz komputera kwantowego. Firmy przetestowały algorytm w symulatorze kwantowym, a nie na rzeczywistym komputerze kwantowym włączonym w proces projektowania samochodu seryjnego. To porządkuje przekaz, ale nie odbiera mu znaczenia. W rozwoju samochodów przewagę ma ten producent, który potrafi policzyć przepływ powietrza wokół dziesiątek albo setek wariantów nadwozia, zanim poświęci czas w tunelu aerodynamicznym i pieniądze na fizyczne prototypy.

Dlaczego aerodynamika w samochodzie elektrycznym ma dziś większe znaczenie niż kiedykolwiek?

Nie chodzi wyłącznie o obniżanie oporu przy prędkościach autostradowych. Aerodynamika wpływa na zasięg samochodu elektrycznego, realne obciążenie akumulatora, szum wiatru, przepływ powietrza chłodzącego, temperatury hamulców, a nawet ochronę podwozia. W Europie dochodzi kolejna presja. Cele emisji CO2 dla nowych samochodów osobowych zaostrzają się, a Europejska Agencja Środowiska wskazuje 93,6 g/km jako cel na lata 2025-2029, 49,5 g/km na lata 2030-2034 i 0 g/km na rok 2035.

To wyjaśnia, dlaczego Nissan traktuje aerodynamikę jako problem obliczeniowy. Każdy detal nadwozia, każde lusterko, nadkole, osłona podwozia, otwór chłodzący i tylna krawędź tworzą turbulencje w przepływie powietrza. Klasyczne CFD, czyli obliczeniowa mechanika płynów, daje inżynierom ogrom informacji, ale pochłania czas i moc obliczeniową. W swoim przeglądzie technicznym Nissan już w 2022 roku zwracał uwagę, że CFD wymaga znacznych zasobów i czasu, a firma rozwija model zastępczy oparty na uczeniu maszynowym, który ma poznawać zależność między kształtem pojazdu a wynikami CFD oraz przewidywać ciśnienie, prędkość powietrza i współczynnik oporu.

Nowy algorytm dzieli zadanie między dwa światy.

Podejście Nissana i Quemiksu nie polega na przekazaniu całego problemu aerodynamiki komputerowi kwantowemu. Komputer klasyczny zajmuje się warunkami napływu i odpływu oraz częściami powiązanymi z poruszającymi się obiektami. Komputer kwantowy przejmuje rdzeń dynamiki płynów, w tym granice obiektów nieruchomych. Taki podział pracy ma sens, ponieważ wczesne odporne na błędy komputery kwantowe nie będą oferować nieograniczonej mocy obliczeniowej.

Techniczna przeszkoda dotyczy warunków brzegowych. Prosty sześcian albo regularna siatka są dla algorytmu kwantowego znacznie łatwiejsze niż rzeczywiste nadwozie samochodu, w którym powierzchnie się zaokrąglają, detale przecinają, a przepływ powietrza wokół kół, podwozia i tylnej części staje się skrajnie złożony. Według Quemiksu obwody kwantowe potrzebne do obsługi takich warunków brzegowych szybko stają się zbyt duże. Nowy algorytm hybrydowy ma próbować rozwiązać to wąskie gardło, zostawiając część najtrudniejszej pracy komputerowi klasycznemu.

Nissan nie jest w tym wyścigu sam.

W całej branży zaawansowany rozwój zmierza w tym samym kierunku: mniej testów fizycznych, więcej iteracji cyfrowych. W kwietniu 2026 roku IBM i Dallara poinformowały, że ich oparty na fizyce model AI potrafi ocenić warianty tylnego dyfuzora dla samochodu wyścigowego w stylu LMP2 w około 10 sekund, podczas gdy konwencjonalne CFD potrzebowało na to godzin. IBM i Dallara równolegle badają też podejścia kwantowe i klasyczne, z zamiarem późniejszego wykorzystania ich w bardziej złożonych symulacjach.

Atut Nissana polega na tym, że firma nie traktuje symulacji komputerowej jak laboratoryjnej ciekawostki. Studium przypadku AMD opisywało, jak Nissan poprawił wydajność symulacji zderzeniowych o 30 procent i obniżył całkowity koszt odpowiedniego procesu CAE o 20 procent po przejściu na maszyny wirtualne Microsoft Azure napędzane procesorami AMD EPYC. To pokazuje, jak poważnie Nissan traktuje moc obliczeniową jako przyspieszacz rozwoju pojazdów.

Dla kupujących efektem może być cichszy i bardziej oszczędny samochód.

Sam komputer kwantowy nie sprawi, że kolejny elektryczny Nissan stanie się bardziej atrakcyjny. Takie narzędzie może jednak dać inżynierom możliwość sprawdzenia większej liczby wariantów nadwozia i podwozia oraz optymalizacji przepływu powietrza, zanim do gry wejdzie kosztowny fizyczny prototyp. Dla europejskich klientów rezultat może mieć bardzo namacalną formę: o kilka procent niższe zużycie energii na autostradzie, mniejszy szum wiatru i dłuższy realny zasięg elektryczny.

Największa wartość tkwi w czasie. Rozwój samochodów elektrycznych postępuje szybko, chińscy producenci obniżają ceny, a europejskie przepisy każą zwracać uwagę na każdy gram. Jeśli Nissanowi uda się wprowadzić kwantowo-klasyczne oprogramowanie aerodynamiczne do rzeczywistego procesu rozwojowego, firma może skrócić cykle testowe i intensywniej szukać kształtów, które dobrze wyglądają, a jednocześnie przecinają powietrze z mniejszymi stratami energii.

Podsumowanie techniczne.

Nissan i Quemix opracowują oprogramowanie do symulacji aerodynamiki łączące obliczenia kwantowe i klasyczne.

System jest projektowany z myślą o przyszłych odpornych na błędy komputerach kwantowych Early FTQC.

Komputer klasyczny oblicza napływ, odpływ i elementy związane z ruchem, a komputer kwantowy zajmuje się rdzeniem dynamiki płynów.

W symulatorze kwantowym algorytm z wysoką dokładnością odtworzył wyniki klasycznej analizy aerodynamicznej LBM.

Dla rynku europejskiego największy potencjał oznacza niższe zużycie energii, dłuższy zasięg elektryczny i szybszy rozwój modeli.