Et samarbeid ser ut til å analysere anvendeligheten av kvanteberegningsalgoritmer til modellering av metalldannende applikasjoner.
Bilprodusenten BMW og utvikleren av kvanteberegningsteknologi Pasqal har gått inn i en ny fase av samarbeid for å analysere anvendeligheten til kvanteberegningsalgoritmer for modellering av metallformende applikasjoner.
Bilindustrien er et av de mest krevende industrielle miljøene, og kvantedatabehandling kan løse noen av de viktigste design- og produksjonsproblemene. I følge en rapport fra McKinsey vil bilindustrien være en av de primære verdipoolene for kvanteberegning, med en høy effekt merkbar innen ca. 2025. Konsulentfirmaet forventer også en betydelig økonomisk effekt av relaterte teknologier for bilindustrien, anslått til 2 milliarder dollar til 3 milliarder dollar innen 2030.
Volkswagen Group ledet an med lanseringen av et dedikert forskningsteam for kvanteberegning tilbake i 2016.
BMW har jobbet med Pasqal siden 2019 for å utvikle kvanteforbedrede metoder for kjemi og materialvitenskap innen batteri-FoU, fortalte Benno Broer, CCO i Pasqal. EE Times Europe .
Det nåværende samarbeidet følger imidlertid BMW Group Quantum Computing Challenge sent i 2021. Konkurransen fokuserte på fire spesifikke utfordringer der kvantedatabehandling kunne tilby en fordel fremfor klassiske beregningsmetoder, og Qu&Co ble vinneren i kategorien «Simulering av materialdeformasjon i produksjonsprosessen». Qu&Co og Pasqal slo senere sammen virksomhetene sine, og kombinerte Qu&Cos robuste portefølje av algoritmer med Pasqals fullstack nøytralatomsystem for å akselerere kvanteveien til kommersielle applikasjoner. Den forente virksomheten er kjent som Pasqal og ligger i Paris.
“Grunnen til at vi ble valgt er fordi vår proprietære metode til løse komplekse differensialligninger er for øyeblikket den eneste realistiske metoden for å løse slike problemer på kortsiktige kvanteprosessorer,” sa Broer. “Problemene med materialdeformasjon vi nå skal jobbe med med BMW Group er styrt av slike differensialligninger.”
Pascal sa at teamet av forskere har utviklet en digital-analog implementering av sine kvantemetoder, skreddersydd for sine nøytralatom-kvanteprosessorer, noe som gjør disse applikasjonene “30 ganger mer effektive” enn på konkurrerende superledende kvanteprosessorer.
På spørsmål om å gi flere detaljer om denne digital-analoge tilnærmingen, forklarte Broer: “Vår tilnærming krever at vi skaper en betydelig mengde kvantesammenfiltring mellom qubitene våre. Intuitivt: jo mer sammenfiltring vi skaper, desto kraftigere (mer nøyaktig) blir metoden vår. I en fullstendig digital implementering skaper vi denne sammenfiltringen ved å bruke 2-qubit-portoperasjoner (som vikler 2 qubits). I den digital-analoge versjonen av algoritmen erstatter vi denne sammenfiltringsoperasjonen med en analog operasjon, som er en multi-qubit-operasjon. Erstatningen av 2-qubit-portene med denne analoge multi-qubit-operasjonen gjør metoden mye mer effektiv, og samtidig mer støyrobust.”
“Resultatet er at vi kan generere mye mer sammenfiltring i løpet av tiden vi har før kvanteprosessoren blir dekoherent (den mister sin kvantestyrke på grunn av den iboende støyen i alle dagens kvanteprosessorer). Og igjen: Mer sammenfiltring betyr en kraftigere løser.»
Pasqals digital-analoge tilnærming er beskrevet mer detaljert i blogginnlegget, Nøytral Atom Quantum Computing for fysikk-informert maskinlæring .
Simuleringene vil kjøre i Pasqals anlegg over en seks måneders periode.
Når det gjelder når de første bilmodellene optimalisert med Pasqals simuleringer vil komme på veiene, sa Broer at det er for tidlig å si. “Det vi kan si er at Pasqal forventer å kunne vise frem den første industrirelevante kvantefordelen med våre differensialligningsløsere i 2024. Vi kan ennå ikke garantere at de første kvantefordelene vil være for bruk av materialdeformasjon.”
Virkelige anvendelser av disse simuleringene inkluderer kollisjonstesting og akselerert utvikling av nye, lettere, sterkere deler og materialer som sikrer passasjersikkerhet samtidig som de reduserer utslipp og utviklingskostnader, sa selskapet.
Reduksjonen i utviklingskostnadene som Pasqals simuleringer kan tillate BMW å oppnå, kan ikke kvantifiseres på dette tidspunktet, sa Broer. “Generelt ser vi en trend mot å erstatte kostbare og tidkrevende bygge- og testsykluser innen FoU for bilindustrien med digital forskning (skaper “digitale tvillinger” av bilen eller bildelene). Den økonomiske fordelen knyttet til dette bør kvantifiseres i både kostnaden spart for den fysiske bygge-og-testprosessen, kostnaden for materialet som spares (bruker mindre metall samtidig som den samme strukturelle styrken opprettholdes), og kanskje viktigst av den betydelig forbedrede tiden -til-markedet av en ny generasjon biler.»
Han la til, “Våre kvantemetoder gir den nødvendige ekstra beregningskraften for å muliggjøre nøyaktige simuleringer av ‘digital tvilling’-type av større og mer komplekse deler av en bil eller kanskje en dag en full bil.”
Pasqals kvanteberegningssimulering, nå brukt på biler, kan brukes til andre sektorer. For hver nye klasse med differensialligningsproblemer sa Broer at Pasqal må parameterisere sine kvantealgoritmer for å kunne løse den spesifikke klassen. “Når vi kan løse problemet med materialdeformasjon, kan vi bruke disse løserne til også å takle problemer utenfor dette feltet der differensialligningene har en lignende struktur.”