Nissan tar aerodynamikk inn i kvantedatabehandling for raskere elbilutvikling

Kvantedatamaskinen erstatter ikke vindtunnelen ennå.

Quemix opplyser at selskapet har startet et felles utviklingsprosjekt med Nissan for å lage analyseprogramvare for aerodynamikk som bruker kvantedatabehandling. Kjernen er en hybrid algoritme for kvanteberegning og klassisk databehandling, utviklet for fremtidige Early FTQC-kvantedatamaskiner, altså tidlige feiltolerante maskiner. I en kvantesimulator gjenskapte den nye metoden resultatene fra konvensjonell klassisk aerodynamikkanalyse med høy presisjon. Nissan og Quemix har også levert patentsøknader for teknologien.

Én viktig detalj krever en nøktern lesning. Nissan hevder ikke at morgendagens Ariya, Leaf eller Qashqai blir utviklet inne i en kvantedatamaskin. Selskapene testet algoritmen i en kvantesimulator, ikke på en ekte kvantedatamaskin som del av en produksjonsrettet utviklingsprosess. Det gjør saken mer nøktern, men ikke mindre betydningsfull. I bilutvikling får selskapet som kan beregne luftstrømmen rundt titalls eller hundrevis av karosserivarianter, før det bruker tid i vindtunnel og penger på fysiske prototyper, et klart fortrinn.

Derfor betyr aerodynamikk mer enn noen gang i en elbil.

Aerodynamikk handler ikke bare om å redusere luftmotstand i motorveihastighet. Den påvirker rekkevidde, faktisk batteribelastning, vindstøy, kjøleluft, bremsetemperaturer og til og med beskyttelse av understellet. Europa legger ytterligere press på utviklingen. Nye CO2-mål for personbiler strammes inn, og Det europeiske miljøbyrået beskriver 93,6 g/km som målet for 2025 til 2029, 49,5 g/km for 2030 til 2034 og 0 g/km for 2035.

Det forklarer hvorfor Nissan ser aerodynamikk som et databehandlingsproblem. Hver detalj i bilens karosseri, hvert speil, hjulhus, underdeksel, kjøleåpning og avsluttende kant, skaper turbulens i luftstrømmen. Klassisk CFD, eller numerisk strømningsdynamikk, gir ingeniørene store mengder informasjon, men krever tid og datakraft. Nissans egen tekniske gjennomgang påpekte allerede i 2022 at CFD krevde betydelige ressurser og mye tid, og at selskapet utviklet en maskinlæringsbasert surrogatmodell for å lære sammenhengen mellom bilens form og CFD-resultater, og forutsi trykk, lufthastighet og luftmotstandskoeffisient.

Den nye algoritmen deler jobben mellom to verdener.

Nissans og Quemix' metode overlater ikke hele aerodynamikkproblemet til en kvantedatamaskin. Den klassiske datamaskinen håndterer innløps- og utløpsbetingelser, sammen med delene som er knyttet til bevegelige objekter. Kvantedatamaskinen tar seg av kjernen i strømningsdynamikken, inkludert grenser for stasjonære objekter. Den arbeidsdelingen er logisk, fordi tidlige feiltolerante kvantedatamaskiner ikke vil tilby ubegrenset datakraft.

Den tekniske snublesteinen ligger i randbetingelsene. En enkel kube eller et regelmessig rutenett er langt enklere for en kvantealgoritme enn et ekte bilkarosseri, der flater krummer seg, detaljer krysser hverandre og luftstrømmen rundt hjul, understell og hekk blir kraftig kompleks. Ifølge Quemix vokser kvantekretsene som trengs for slike randbetingelser raskt og blir for store. Den nye hybridalgoritmen forsøker å løse opp denne flaskehalsen ved å overlate en del av grovarbeidet til den klassiske datamaskinen.

Nissan er ikke alene i dette løpet.

I hele bransjen går avansert utvikling i samme retning: færre fysiske tester og flere digitale iterasjoner. I april 2026 opplyste IBM og Dallara at deres fysikkbaserte AI-modell kunne vurdere varianter av bakre diffuser for en LMP2-lignende racerbil på rundt 10 sekunder, mens konvensjonell CFD trengte flere timer. IBM og Dallara utforsker også kvantebaserte og klassiske metoder parallelt, med mål om senere å bruke dem i mer komplekse simuleringer.

Nissans fortrinn er at selskapet ikke behandler datasimulering som en laboratoriekuriositet. En casestudie fra AMD beskrev hvordan Nissan forbedret ytelsen i krasjsimuleringer med 30 prosent og reduserte de samlede kostnadene for den relevante CAE-arbeidsflyten med 20 prosent etter overgang til Microsoft Azure-virtuelle maskiner drevet av AMD EPYC-prosessorer. Det viser hvor alvorlig Nissan tar datakraft som en akselerator for bilutvikling.

For kjøperne kan resultatet bli en stillere og mer effektiv bil.

En kvantedatamaskin vil ikke alene gjøre Nissans neste elbil mer attraktiv. Men et verktøy som dette kan gi ingeniørene mulighet til å teste flere karosseri- og understellvarianter, og optimalisere luftstrømmen før en dyr fysisk prototype kommer inn i bildet. For europeiske kunder kan resultatet komme i svært konkret form: noen prosent lavere energibruk på motorvei, lavere vindstøy og lengre reell elektrisk rekkevidde.

Den største verdien ligger i tid. Elbilutviklingen går raskt, kinesiske produsenter presser prisene ned, og europeiske regler krever oppmerksomhet rundt hvert gram. Hvis Nissan kan ta kvantebasert og klassisk aerodynamikkprogramvare inn i en reell utviklingsprosess, kan det korte ned testsykluser og gjøre det mulig å lete mer offensivt etter former som ser bra ut, samtidig som de skjærer gjennom luften med mindre bortkastet energi.

Teknisk oppsummering.

Nissan og Quemix utvikler programvare for aerodynamikksimulering med kvantebasert og klassisk databehandling.

Systemet retter seg mot fremtidige feiltolerante Early FTQC-kvantedatamaskiner.

Den klassiske datamaskinen beregner innløp, utløp og bevegelsesrelaterte elementer, mens kvantedatamaskinen håndterer kjernen i strømningsdynamikken.

I en kvantesimulator gjenskapte algoritmen resultater fra klassisk LBM-aerodynamikkanalyse med høy presisjon.

For det europeiske markedet er de største mulige gevinstene lavere energibruk, lengre elektrisk rekkevidde og raskere modellutvikling.