Nissan tar aerodynamik in i kvantdatorernas värld
Nissan och det japanska kvantmjukvarubolaget Quemix utvecklar simuleringsmjukvara för aerodynamik där arbetet delas mellan en klassisk dator och en framtida feltolerant kvantdator. Det handlar inte om en teknisk funktion i nästa nya modell, utan om ett utvecklingsverktyg. I elbilseran får sådana verktyg allt större betydelse för hur snabbt en tillverkare kan förbättra räckvidd, ljudnivå och energianvändning.
Kvantdatorn ersätter inte vindtunneln ännu.
Quemix uppger att bolaget har inlett ett gemensamt utvecklingsprojekt med Nissan för att ta fram mjukvara för aerodynamisk analys med hjälp av kvantberäkning. Kärnan är en hybridalgoritm som kombinerar kvantberäkning och klassisk beräkning, utvecklad för framtida Early FTQC-kvantdatorer, alltså tidiga feltoleranta maskiner. I en kvantsimulator återskapade den nya metoden resultaten från konventionell klassisk aerodynamisk analys med hög noggrannhet. Nissan och Quemix har även lämnat in patentansökningar för tekniken.
En viktig detalj kräver en nykter läsning. Nissan påstår inte att morgondagens Ariya, Leaf eller Qashqai ska utvecklas inuti en kvantdator. Företagen testade algoritmen i en kvantsimulator, inte på en verklig kvantdator i en produktionsnära utvecklingsprocess. Det gör nyheten mer återhållsam, men inte mindre betydelsefull. I bilutveckling får den tillverkare ett försprång som kan beräkna luftflödet runt tiotals eller hundratals karossvarianter innan tid läggs i vindtunnel och pengar på fysiska prototyper.
Därför betyder aerodynamik mer än någonsin i en elbil.
Aerodynamik handlar inte bara om att minska luftmotståndet i motorvägsfart. Den påverkar elbilens räckvidd, den faktiska batteribelastningen, vindbrus, kylflöden, bromstemperaturer och även skyddet av underredet. Europa lägger till ytterligare press. CO2-målen för nya personbilar skärps, och Europeiska miljöbyrån anger 93,6 g/km som mål för 2025 till 2029, 49,5 g/km för 2030 till 2034 och 0 g/km för 2035.
Det förklarar varför Nissan ser aerodynamik som ett beräkningsproblem. Varje detalj i bilens kaross, varje spegel, hjulhus, undertray, kylöppning och avslutande kant, skapar turbulens i luftflödet. Klassisk CFD, computational fluid dynamics, ger ingenjörerna mycket stora mängder information, men kräver tid och datorkraft. Nissans egen tekniska genomgång noterade redan 2022 att CFD krävde betydande resurser och mycket tid, och att företaget utvecklade en maskininlärningsbaserad surrogatmodell för att lära sig sambandet mellan fordonsform och CFD-resultat, och förutsäga tryck, lufthastighet och luftmotståndskoefficient.
Den nya algoritmen delar upp arbetet mellan två världar.
Nissans och Quemix lösning lämnar inte hela aerodynamikproblemet till en kvantdator. Den klassiska datorn hanterar inlopps- och utloppsvillkor, tillsammans med de delar som är kopplade till rörliga objekt. Kvantdatorn tar hand om kärnan i fluiddynamiken, inklusive gränserna för stationära objekt. Den arbetsfördelningen är logisk, eftersom tidiga feltoleranta kvantdatorer inte kommer att erbjuda obegränsad beräkningskraft.
Det tekniska hindret ligger i randvillkoren. En enkel kub eller ett regelbundet rutnät är betydligt lättare för en kvantalgoritm än en verklig bilkaross, där ytor böjer sig, detaljer möts och luftflödet kring hjulen, underredet och bakpartiet blir våldsamt komplext. Enligt Quemix växer de kvantkretsar som behövs för sådana randvillkor snabbt och blir för stora. Den nya hybridalgoritmen försöker lösa upp den flaskhalsen genom att lämna en del av grovjobbet till den klassiska datorn.
Nissan är inte ensam i den här kapplöpningen.
I hela branschen rör sig avancerad utveckling åt samma håll: färre fysiska tester och fler digitala iterationer. I april 2026 uppgav IBM och Dallara att deras fysikbaserade AI-modell kunde bedöma varianter av bakre diffusorer för en tävlingsbil i LMP2-stil på omkring 10 sekunder, medan konventionell CFD behövde timmar. IBM och Dallara undersöker också kvantbaserade och klassiska metoder parallellt, med målet att senare använda dem i mer komplexa simuleringar.
Nissans fördel är att företaget inte behandlar datorsimulering som en laboratoriekuriositet. En fallstudie från AMD beskrev hur Nissan förbättrade prestandan i krocksimuleringar med 30 procent och sänkte den totala kostnaden för det aktuella CAE-arbetsflödet med 20 procent efter en övergång till virtuella Microsoft Azure-maskiner med AMD EPYC-processorer. Det visar hur allvarligt Nissan ser på datorkraft som en accelerator för fordonsutveckling.
För köparna kan resultatet bli en tystare och mer effektiv bil.
En kvantdator gör inte på egen hand Nissans nästa elbil mer attraktiv. Men ett verktyg som detta kan ge ingenjörerna möjlighet att testa fler kaross- och underredesvarianter, och optimera luftflödet innan en dyr fysisk prototyp kommer in i bilden. För europeiska kunder kan resultatet bli mycket konkret: några procent lägre energianvändning på motorväg, mindre vindbrus och längre verklig elräckvidd.
Det största värdet ligger i tiden. Elbilsutvecklingen går snabbt, kinesiska tillverkare pressar priserna och europeiska regler kräver uppmärksamhet på varje gram. Om Nissan kan föra in mjukvara för kvantbaserad och klassisk aerodynamik i en verklig utvecklingsprocess kan företaget korta testcyklerna och mer aggressivt söka former som ser bra ut samtidigt som de skär genom luften med mindre bortslösad energi.
Teknisk sammanfattning.
Nissan och Quemix utvecklar simuleringsmjukvara för aerodynamik som kombinerar kvantberäkning och klassisk beräkning.
Systemet riktar sig mot framtida Early FTQC, feltoleranta kvantdatorer.
Den klassiska datorn beräknar inflöde, utflöde och rörelserelaterade delar, medan kvantdatorn hanterar kärnan i fluiddynamiken.
I en kvantsimulator återskapade algoritmen resultat från klassisk LBM-analys av aerodynamik med hög noggrannhet.
För den europeiska marknaden ligger de största potentiella vinsterna i lägre energianvändning, längre elräckvidd och snabbare modellutveckling.
