شرکت های خودروسازی و هوافضا به طور مداوم در حال بررسی چگونگی بهبود محاسبات کوانتومی CFD، دوقلوهای دیجیتال و موارد دیگر هستند. از سخت‌افزار گرفته تا نرم‌افزار، رقابت برای توسعه سیستم‌هایی که از نوآوری محاسبات کوانتومی در همه صنایع پشتیبانی می‌کنند، ادامه دارد. این فناوری ده‌ها سال است که کار می‌کند و به حدی پیشرفت کرده است که بسیاری از شرکت‌ها در حال آزمایش چگونگی تأثیر محاسبات کوانتومی بر مهندسی هستند.
همچنین بخوانید : شبیه سازی هیبریدی در مهندسی معکوس
بیایید نگاهی به چگونگی تأثیر محاسبات کوانتومی بر کاربردهای مهندسی از شبیه سازی تا دوقلو های دیجیتال بیندازیم.
محاسبات کوانتومی در خودرو و هوافضا
محاسبات کوانتومی مزایایی را نسبت به محاسبات کلاسیک نوید می‌دهد، از جمله توانایی حل مسائل غیرقابل دفاع ، شبیه‌سازی دقیق‌تر مکانیک کوانتومی و کار با سرعت‌های شگفت‌انگیز. اما این وعده هنوز عملی نشده است.
از آنجایی که شرکت‌های مختلف از IBM گرفته تا Google برای توسعه رایانه‌های کوانتومی توانمندتر تلاش می‌کنند، صنایعی که آماده استفاده از آنها هستند،به این موضوع توجه زیادی دارند. الیکا کیوسوا، مدیر مهندسی الگوریتم کوانتومی انویدیا، گفت که بسیاری از سازمان‌ها در حال سرمایه‌گذاری برای مشاهده اینکه چگونه کامپیوترهای کوانتومی در مقیاس بزرگ‌تر می‌توانند در جریان کار مهندسی خود قرار بگیرند، سرمایه‌گذاری می‌کنند.
صنایع خودروسازی و هوافضا به دنبال استفاده از محاسبات کوانتومی برای شبیه‌سازی، توسعه مواد، تحقیقات باتری، بهینه‌سازی مسیر و موارد دیگر هستند.
BMW، فولکس واگن و رولز رویس قبلاً آزمایش محاسبات کوانتومی را آغاز کرده اند. BMW آزمایشی را با Nvidia انجام داد تا نشان دهد چگونه cuQuantum SDK Nvidia می‌تواند شبیه‌سازی مدار کوانتومی را برای بهبود الگوریتم‌های مدل‌سازی مولد سرعت بخشد.اکنون آنها در حال بهبود زمان آموزش مدل‌های مولد کوانتومی هستند. BMW همچنین با Classiq کار کرده است تا چگونگی بهینه‌سازی سیستم‌های مکاترونیک توسط الگوریتم‌های کوانتومی را بررسی کند.
فولکس واگن یک تیم تحقیقاتی محاسبات کوانتومی را در سال 2016 راه اندازی کرد. با مشارکت ارائه دهندگان کوانتومی از جمله D-Wave و Google، فولکس واگن چندین برنامه از محاسبات کوانتومی را در صنعت خودرو کاوش کرده است – مانند کارگاه رنگ. این تیم یک الگوریتم کوانتومی طراحی کردند که برای به حداکثر رساندن کارایی بدون کند کردن روند کلی مونتاژ طراحی شده است.
دیوید فون دولن، دانشمند ارشد داده فولکس واگن گفت: “چالش هایی مانند این ممکن است ساده به نظر برسند، اما در برخی موارد نیاز به سطوح قدرت نزدیک به ابر رایانه برای حل با سخت افزار سنتی دارند.”
فولکس واگن از رایانه های کوانتومی D-Wave برای حل چالش های صنعت خودرو استفاده می کند.
سال گذشته رولزرویس ادعا کرد که بزرگترین مدار محاسباتی کوانتومی جهان برای دینامیک سیالات محاسباتی (CFD) را با همکاری Nvidia و Classiq توسعه داده است. این مدار به طور بالقوه می تواند به رولز رویس کمک کند تا عملکرد موتورهای جت خود را بهتر شبیه سازی کند.
دوقلو های دیجیتال کوانتومی
دوقلو های دیجیتال یکی دیگر از برنامه های مهندسی است که می تواند تقویت کوانتومی دریافت کند. الگوی محاسباتی می تواند جزئیات و پیچیدگی بیشتری را در این سیستم های مجازی ایجاد کند. Nvidia حتی در حال کار بر روی ایجاد دوقلوهای دیجیتالی از کامپیوترهای کوانتومی برای پیشرفت این فناوری است.
«حل برخی از مشکلات اساساً توسط رایانه های کلاسیک بسیار سخت است. به عنوان مثال، ایجاد دوقلو های دیجیتالی شبیه‌سازی‌های پیچیده مواد یا حل مسائل بهینه‌سازی بزرگ که شامل تحلیل ریسک یا مسیریابی یا سایر وظایف زمان‌بندی است، می‌باشد. این جایی است که ما واقعاً احساس می کنیم هوش مصنوعی و محاسبات کوانتومی می توانند تفاوت ایجاد کنند.
شبیه‌سازی مکانیک کوانتومی در رایانه‌های کوانتومی آسان‌تر از رایانه‌های کلاسیک است. زمانی که می‌خواهید بفهمید چگونه مواد را کنار هم قرار دهید تا نتیجه ای با استحکام بالا به دست آورید، باید نگران شبیه‌سازی مکانیک کوانتومی آن باشید.
کاهش سد کوانتومی
علیرغم وجود برخی مشکلات بزرگ جدید که کوانتوم می تواند بر آنها غلبه کند، مهندسان معمولی احتمالاً مجبور نیستند گردش کار روزانه خود را تغییر دهند. حداقل، این همان چیزی است که Nvidia به آن امیدوار است.
نرم افزار باید به طور خودکار از مسیریابی وظایف محاسباتی به تراشه مناسب، کلاسیک یا کوانتومی مراقبت کند. مهندسان نیازی به آموزش در مورد نحوه پردازش اطلاعات توسط تراشه ها ندارند. آنها فقط نتایج را می بینند.
هدف این است که این کار به جریان کاری هر مهندس فراتر رود. این کار آنها را قادر می‌سازد کارآمدتر باشند، مثلاً محاسبات و شبیه‌سازی‌های بسیار بالاتری را انجام دهند اما در عین حال، این کار در پس‌زمینه انجام خواهد شد.
این سهولت پذیرش همان چیزی است که شرکت های کوانتومی به آن تکیه می کنند. شرکت‌هایی مانند Classiq و Nvidia در حال توسعه چارچوب‌ها و زیرساخت‌های نرم‌افزاری برای جفت شدن با سخت‌افزار در زمان آماده‌سازی هستند.