Quantencomputing für effizientere E-Autos
Die BMW Group, Nvidia und Classiq haben eine Kooperation gestartet, um mechatronische Systeme mithilfe von Quantencomputing zu optimieren.
Foto: Classiq
Ziel dieser Zusammenarbeit ist es, den Einsatz von Quantencomputern in der Automobilindustrie voranzutreiben – und insbesondere die Effizienz von Elektrofahrzeugen zu steigern. Das teilte die israelische Quantensoftware-Plattform Classiq am Donnerstag mit.
„Dieses Projekt ist ein anschauliches Beispiel dafür, was Kollaborationen im Bereich Quantencomputing erreichen können. Dadurch, dass hier Expertisen für Quantenhardware, -software und über die Automobilbranche zusammenkamen, konnten wir beachtliche Fortschritte in außergewöhnlich kurzer Zeit machen“, so Classiq-CEO Nir Minerbi.
Architektur elektrischer und mechanischer Systeme optimieren
Im Zentrum der Kooperation mit BMW und Nvidia steht die Optimierung der Architektur elektrischer und mechanischer Systeme. Eine der größten Herausforderungen besteht darin, durch komplexe Berechnungen die optimale Kombination verschiedener Komponenten zu finden und deren bestmögliche Verbindung zu bestimmen. „Das Spektrum erstreckt sich von Elektromotoren und Batterien bis hin zu Kühlelementen. So sollen effizientere und sparsamere Konfigurationen gefunden und damit wirtschaftlichere Elektrofahrzeuge realisiert werden“, heißt es.
BMW implementiert erfolgreich Quantenprogramm
Die BMW Group hat ein Quantenprogramm entwickelt und dank Modellierungs- und Kompilierungsfunktionen von Classiq-Software erfolgreich implementiert. Für die Simulation großer und komplexer Quantenschaltkreise wurden Nvidia-Produkte verwendet.
„Unsere Kollaboration mit Classiq und Nvidia hat eine innovative Quantenanwendung hervorgebracht und zeigt, was dadurch in der Automobilbranche möglich wird. Das Quanten-Stack von Nvidia war entscheidend dafür, diesen komplexen Algorithmus zu simulieren, zu testen und zu präzisieren“, sagt Lukas Müller von der BMW Group.
Die praktische Anwendung von Quantencomputing steht allerdings noch am Anfang. Um die gemeinsam entwickelte Lösung industriell nutzbar zu machen, sind weitere Forschungsanstrengungen erforderlich.
