Hvordan kan Quantum Computing revolusjonere elbilindustrien?

Batteriets termiske løpsvansker er den primære årsaken til slike problemer. Denne konflikten er påvirket av flere variabler, inkludert ekstern batteriskade, dårlig lading, vær og feil kjøling. Bilde: Shutterstock

Tårets Nobelpris i fysikk har blitt tildelt Alain Aspect, John Clauser og Anton Zeilinger for deres banebrytende kvantefysikkeksperimenter.

Mange virkelige problemer som modellering av hjernen, simulering av forplantning av kreft i det menneskelige systemet, oppdagelse av medikamenter for å bekjempe medikamentresistente bakterier, forståelse av virkningen av våre beslutninger på karbonfotavtrykk og global oppvarming, varsler om vær og naturkatastrofer, å redusere syklustiden for å designe komplekse systemer som elektriske kjøretøy, fly og simulere ytelsen deres før fysisk produksjon, kan løses bedre ved å bruke kvanteinspirerte algoritmer som kjører på kvantedatamaskiner. Klassiske datamaskiner (som jobber med bits-nuller og enere) legger massive begrensninger på komplekse modelleringsfenomener, og kjøretiden for nøyaktige algoritmer er veldig lang. I denne artikkelen diskuterer vi hvordan den kvanteinspirerte algoritmen kan løse et komplekst problem med Battery Thermal Management Systems i elektriske kjøretøy, som har forårsaket flere ulykker den siste tiden.

I det nåværende geopolitiske klimaet er det vanskelig å benekte at elektriske kjøretøy (EV) er banebryterne i transportindustriens overgang fra fossilt brensel til fornybare energikilder. Land over hele verden har lovet å bli karbonnøytrale – med elbiler som spiller en enorm rolle i nøkkelstrategiene for å redusere klimagassutslipp og redusere avhengigheten av fossilt brensel. FNs rammekonvensjon om klimaendringer har fastsatt retningslinjene for bidraget som kreves av hvert av medlemslandene for å redusere klimagassutslipp. For India må elbiler ta 30 prosent markedsandel innen 2030. Fremstøtet mot elbilovergangen er betydelig ettersom transport står for 10 prosent av alle utslipp. Imidlertid er påliteligheten til elektriske kjøretøy underparert, noe de mange batterirelaterte ulykkene viser. For å overvinne dette problemet kan tilpasning til banebrytende databehandlingsteknologier som kvantedatabehandling garantere økt pålitelighet og sikkerhet samtidig som kostnadseffektiviteten opprettholdes.

Innføringen av elbiler er integrert for India for å redusere sitt karbonavtrykk og nå målet om å bli en netto-null-nasjon innen 2070. Den indiske regjeringen investerer Rs 9000 crores (1 milliard dollar) gjennom 2024 som en del av Faster Adoption and Manufacturing av (Hybrid &) Electric Vehicles (FAME) II-program for å dempe konsekvensene av global oppvarming, med det vågale målet om å skape en netto-null økonomi. Men selv med all prestisje og ære EV besitter, har de fortsatt et grunnleggende problem. EL-biler er svært utsatt for å ta fyr og til og med eksplodere, som demonstrert av hendelser over hele India i sommer. Disse farlige hendelsene er ikke bare begrenset til India, siden det er bevis på at slike tilfeller forekommer over hele verden. På grunn av defekte batterisystemer har fem store bilprodusenter tilbakekalt kjøretøyene sine som er levert med LG-batterier. Batteriets termiske løpsvansker er den primære årsaken til slike problemer. Denne konflikten er påvirket av flere variabler, inkludert ekstern batteriskade, dårlig lading, vær og feil kjøling.

Brannhendelser i elektriske kjøretøy i India skjedde på grunn av flere årsaker. Hvis det elektriske kjøretøyet oppdager et problem med overoppheting, bør det ideelt sett slutte å drive batteriene. Videre manglet mange av disse kjøretøyene noen ventilasjonsmekanismer for å forhindre at hele bilen flammer opp. Disse problemene fremhever noen av de største problemene som elbiler nå møter. Hovedspørsmålet er, hvordan designer vi batteripakker riktig for å forhindre at batteriene overopphetes og isolere problemet for å påføre minst mulig skade?

Les også: Elektriske kjøretøy: Fra overgang til transformasjon i 3 trinn

I elbiler regulerer Battery Thermal Management System (BTMS) generelt varmen som genereres av batterier. Termisk regulering er viktig for optimal og sikker drift av elbiler siden elbilbatterier har et smalt arbeidstemperaturområde og er farlige hvis de brukes over det. En BTMS kan inneholde ulike kjølemetoder for å holde batteriene innenfor ønsket temperaturvindu. Disse inkluderer tvungen luft- eller væskekjøling ved bruk av faseendringsmaterialer, varmerørbasert kjøling eller til og med en kombinasjon av disse. Ved utforming av en BTMS-enhet spiller datastyrte simuleringer og fysisk testing av de termiske belastningene til batterier en betydelig rolle. I tillegg, når de designer, må produsenter vurdere mange kriterier, som størrelse, materialkostnad, produksjonsevne, pålitelighet og sikkerhet. Hemmeligheten bak å lage riktig design for BTMS er å vurdere disse eksterne kriteriene.

Imidlertid kan BTMSs oppførsel ikke fullstendig modelleres av de nåværende teknikkene og kan derfor ikke optimaliseres for disse ytre faktorene. Manglende evne til å modellere nøyaktig skyldes de store dataressursene som kreves for å utføre disse beregningene. Derfor er det nødvendig å utforske mer avanserte databehandlingsteknikker for å akselerere databehandlingsprosessen og løse disse problemene i en realistisk tidsramme. Noen av disse metodene inkluderer grafenbaserte transistorer, DNA-databehandling, nevromorf databehandling og kvantedatabehandling. Quantum computing har den beste muligheten til å tilby en løsning som forbedrer ytelsen til disse EV-produksjonene ut av alle de nevnte mulighetene.

Quantum computing er en ny databehandlingsteknologi som beregner ved hjelp av qubits i stedet for tradisjonelle 0 eller 1 bits. Denne revolusjonerende databehandlingsmetoden er en probabilistisk databehandlingsteknikk, der en qubit beskrives som en sannsynlighet for å være 0 eller 1. Derfor, når dette nye prosesseringssystemet pares med prinsippene for kvantemekanikk, som superposisjon, sammenfiltring og kvantetunnelering databehandling kan utføre beregninger eksponentielt raskere enn det klassiske datasystemet. Selv om de virkelige fordelene med kvantedatamaskiner for øyeblikket bare søkes etter spesialiserte applikasjoner, for eksempel finans eller medikamentoppdagelse. Imidlertid er det en rase av kvantealgoritmer – kvanteinspirerte (QI) algoritmer – som kan utføre instruksjoner på klassiske maskiner samtidig som de viser frem et løft i ytelsen. På kort sikt har QI-algoritmer utkonkurrert klassiske rutiner uten å stole på kvantemaskiner, som kan ha komplikasjoner som dekoherens og annen kvantestøy.

I nyere tid har det vært en bølge av kvanteinspirerte optimaliseringsalgoritmer. Å inkludere dem med designoptimalisering vil være nøkkelen til å takle BTMS-problemet. Den største fordelen med QI-optimalisering er den forbedrede størrelsen på designområdet for å hjelpe til med å skape innovative design som tidligere var uutforsket. Siden QI-optimaliseringsalgoritmer beregner raskere enn tradisjonelle optimaliseringsmetoder, kan QI-optimaliseringsmetoder lett ta hensyn til eksterne faktorer, som pålitelighet og sikkerhet. Dermed kan en bedre design oppnås samtidig som den forbedrede ytelsen opprettholdes. Derfor kan bruk av QI-optimaliseringsteknikken for termiske batteristyringssystemer generere ideelle design for å redusere farlige hendelser.

Følgelig kan optimalisering av det termiske batteristyringssystemet med en kvanteinspirert tilnærming modernisere designet, og til slutt redusere antallet relaterte hendelser.

Mange problemer i EV-rommet må håndteres. Imidlertid har veksten i EV-sektoren gitt et stort antall nye teknologier innen batterimaterialer og raskere ladeteknologi. Veksten av elbiler i India er enestående, som fremhevet av en prognoserapport fra NITI Aayog (National Institution for Transforming India) – en statlig tenketankinstitusjon som fokuserer på den sosiale, kulturelle, teknologiske og økonomiske utviklingen i India. I rapporten er antallet tohjulede elbiler spådd å øke fra 2 millioner biler i 2022 til mer enn 23 millioner innen 2030, og det totale elbilsalget med omtrent seksdobling på åtte år. Men denne anslåtte veksten er bare mulig hvis forbrukerne vurderer elbiler som et alternativ til gassdrevne kjøretøy. Kravet om elektrifisering for å dempe virkningene av klimaendringene blir imidlertid mindre av de fatale uhellene ved feil termisk styring. For å bekjempe denne saken kan banebrytende metoder for QI-algoritmer redusere problemet ved å gi en fordel. QI-algoritmer kan forbedre Battery Thermal Management System for å skape enorm verdi for den globale elektriske mobilitetsbevegelsen.

Professor Chandan Chowdhury, ISB og Rut Lineswala, BosonQ Psi

[This article has been reproduced with permission from ISBInsight, the research publication of the Indian School of Business, India]