Nissan vie aerodynamiikan kvanttilaskentaan nopeuttaakseen sähköautojen kehitystä

Kvanttitietokone ei vielä korvaa tuulitunnelia.

Quemixin mukaan se on aloittanut Nissanin kanssa yhteisen kehityshankkeen aerodynamiikan analyysiohjelmiston luomiseksi kvanttilaskennan avulla. Ratkaisun ytimessä on hybridi kvantti- ja klassinen algoritmi, joka on suunniteltu tuleville Early FTQC -kvanttitietokoneille eli varhaisille vikasietoisille koneille. Kvanttisimulaattorissa uusi menetelmä toisti perinteisen klassisen aerodynamiikka-analyysin tulokset suurella tarkkuudella. Nissan ja Quemix ovat myös jättäneet teknologiaa koskevia patenttihakemuksia.

Yksi olennainen yksityiskohta vaatii maltillisen tulkinnan. Nissan ei väitä, että huomisen Ariya, Leaf tai Qashqai syntyy kvanttitietokoneessa. Yhtiöt testasivat algoritmia kvanttisimulaattorissa, eivät oikealla kvanttitietokoneella osana tuotantoauton kehitysprosessia. Se tekee uutisesta maanläheisemmän, mutta ei vähemmän merkittävän. Autokehityksessä etu on sillä valmistajalla, joka pystyy laskemaan ilmavirran kymmenien tai satojen korimuunnelmien ympärillä ennen kuin aikaa käytetään tuulitunnelissa ja rahaa fyysisiin prototyyppeihin.

Miksi aerodynamiikka merkitsee sähköautossa enemmän kuin koskaan?

Aerodynamiikka ei tarkoita vain ilmanvastuksen pienentämistä moottoritienopeuksissa. Se vaikuttaa sähköauton toimintamatkaan, akun todelliseen kuormitukseen, tuulensuhinaan, jäähdytysilmaan, jarrujen lämpötiloihin ja jopa pohjan suojaukseen. Euroopassa paine kasvaa myös sääntelyn kautta. Uusien henkilöautojen CO2-tavoitteet kiristyvät: Euroopan ympäristökeskus kuvaa tavoitteeksi 93,6 g/km vuosille 2025, 2029, 49,5 g/km vuosille 2030, 2034 ja 0 g/km vuodelle 2035.

Tämä selittää, miksi Nissan näkee aerodynamiikan laskentaongelmana. Jokainen auton korin yksityiskohta, jokainen peili, pyöränkotelo, pohjapaneeli, jäähdytysaukko ja takareuna, synnyttää turbulenssia ilmavirtaan. Klassinen CFD eli laskennallinen virtausdynamiikka antaa insinööreille valtavan määrän tietoa, mutta vaatii aikaa ja laskentatehoa. Nissanin oma tekninen katsaus totesi jo vuonna 2022, että CFD vaati huomattavia resursseja ja aikaa. Samalla yhtiö kehitti koneoppimiseen perustuvaa korvaavaa mallia, joka oppii ajoneuvon muodon ja CFD-tulosten välisen suhteen ja ennustaa painetta, ilman nopeutta ja ilmanvastuskerrointa.

Uusi algoritmi jakaa työn kahden maailman kesken.

Nissanin ja Quemixin lähestymistapa ei siirrä koko aerodynamiikkaongelmaa kvanttitietokoneelle. Klassinen tietokone käsittelee sisään- ja ulosvirtauksen ehdot sekä liikkuviin kohteisiin liittyvät osat. Kvanttitietokone hoitaa virtausdynamiikan ytimen, mukaan lukien paikallaan olevien kohteiden rajapinnat. Työnjako on looginen, koska varhaiset vikasietoiset kvanttitietokoneet eivät tarjoa rajatonta laskentatehoa.

Tekninen kompastuskivi liittyy reunaehtoihin. Yksinkertainen kuutio tai säännöllinen ruudukko on kvanttialgoritmille paljon helpompi kuin todellinen auton kori, jossa pinnat kaartuvat, yksityiskohdat leikkaavat toisiaan ja ilmavirta pyörien, pohjan ja perän ympärillä muuttuu rajun monimutkaiseksi. Quemixin mukaan näihin reunaehtoihin tarvittavat kvanttipiirit kasvavat nopeasti liian suuriksi. Uusi hybridialgoritmi pyrkii purkamaan tätä pullonkaulaa jättämällä osan hankalasta työstä klassiselle tietokoneelle.

Nissan ei ole kilpailussa yksin.

Koko alalla korkean tason kehitys liikkuu samaan suuntaan: vähemmän fyysisiä testejä, enemmän digitaalisia iteraatioita. Huhtikuussa 2026 IBM ja Dallara kertoivat, että niiden fysiikkaan perustuva tekoälymalli pystyi arvioimaan LMP2-tyylisen kilpa-auton takadiffuusorimuunnelmia noin 10 sekunnissa, kun perinteinen CFD tarvitsi tunteja. IBM ja Dallara tutkivat myös kvantti- ja klassisia menetelmiä rinnakkain tavoitteenaan käyttää niitä myöhemmin monimutkaisemmissa simulaatioissa.

Nissanin etu on, ettei se käsittele tietokonesimulointia laboratorioerikoisuutena. AMD:n tapaustutkimus kuvasi, kuinka Nissan paransi törmäyssimulointien suorituskykyä 30 prosenttia ja pienensi kyseisen CAE-työnkulun kokonaiskustannuksia 20 prosenttia siirryttyään Microsoft Azuren virtuaalikoneisiin, joissa käytetään AMD EPYC -suorittimia. Se osoittaa, kuinka vakavasti Nissan suhtautuu laskentatehoon ajoneuvokehityksen vauhdittajana.

Ostajille tuloksena voisi olla hiljaisempi ja tehokkaampi auto.

Kvanttitietokone ei yksin tee Nissanin seuraavasta sähköautosta houkuttelevampaa. Tällainen työkalu voisi kuitenkin antaa insinööreille mahdollisuuden testata enemmän kori- ja pohjamuunnelmia ja optimoida ilmavirtaa ennen kuin kallis fyysinen prototyyppi tulee mukaan. Eurooppalaisille asiakkaille tulos voisi näkyä hyvin konkreettisesti: muutaman prosentin pienempänä energiankulutuksena moottoritiellä, vähäisempänä tuulensuhinana ja pidempänä todellisena sähköisenä toimintamatkana.

Suurin arvo on ajassa. Sähköautojen kehitys etenee nopeasti, kiinalaisvalmistajat painavat hintoja alas ja eurooppalainen sääntely vaatii huomiota jokaiseen grammaan. Jos Nissan saa kvantti- ja klassisen aerodynamiikkaohjelmiston osaksi todellista kehitysprosessia, se voisi lyhentää testisyklejä ja etsiä aiempaa määrätietoisemmin muotoja, jotka näyttävät hyvältä ja leikkaavat ilmaa pienemmällä energiahukalla.

Tekninen yhteenveto

Nissan ja Quemix kehittävät kvantti- ja klassista aerodynamiikan simulointiohjelmistoa.

Järjestelmä tähtää tuleviin vikasietoisiin Early FTQC -kvanttitietokoneisiin.

Klassinen tietokone laskee sisäänvirtauksen, ulosvirtauksen ja liikkeeseen liittyvät osat, kun taas kvanttitietokone käsittelee virtausdynamiikan ytimen.

Kvanttisimulaattorissa algoritmi toisti klassisen LBM-aerodynamiikka-analyysin tulokset suurella tarkkuudella.

Euroopan markkinoilla suurimmat mahdolliset hyödyt ovat pienempi energiankulutus, pidempi sähköinen toimintamatka ja nopeampi mallikehitys.