汽车巨头宝马、大众加快推进量子计算应用
光子盒研究院出品
本周，两家汽车行业巨头宝马和大众，分别宣布了他们的量子计算项目，致力于解决汽车行业中的不同问题。
首先，宝马集团与领先的中性原子量子处理器制造商Pasqal宣布了一项新的承诺，以优化该汽车制造商的主要制造流程。利用Pasqal算法求解微分方程（其中一个变量的变化不会统一影响结果的问题），宝马集团旨在分析量子计算技术在金属成型应用建模中的适用性。
这些应用需要大量模拟，以确保汽车零部件符合规范。可预测性和快速的虚拟建模将使制造流程朝着更安全的设计、更可持续的产品和零原型的方向发展。Pasqal的研究人员为其量子方法开发了一种数字模拟实现，为其中性原子量子处理器量身定制，使这些应用程序的效率比竞争对手的超导量子处理器高30倍。
高精度的计算模拟将使宝马集团能够取代昂贵的物理制造-测试-改进周期，因为当前的经典计算方法无法处理以所需精度模拟整车的复杂性。这种模拟最终将帮助宝马集团制造更轻的部件，使汽车更省油。
Pasqal认为，这些用例是早期量子优势的最佳候选，该公司计划在两年内实现其专有的量子算法。这些复杂的模拟将在Pasqal的设施中运行六个月。这些模拟的现实应用包括碰撞测试和更轻更强的新零件和材料的加速开发，在减少排放和降低开发成本的同时保护乘客安全。
大众数据实验室则与瑞士量子技术公司Terra Quantum AG合作展示了后者的混合量子计算在汽车行业的潜力。该联合研究团队分析了量子技术可能使汽车行业受益的两种场景：优化装配线上的工作流程以及用于增强图像识别的量子机器学习。
Terra Quantum能够构建特定于应用的混合量子算法，并将其部署在混合量子云QMware上。在这个完全集成的开发环境中，量子和经典计算世界被融合在一起，以增强性能。在完成应用研究后，联合团队在arxiv上与科学界分享他们的成果，展示了量子计算在汽车工业应用的潜力。
第一篇论文将重点放在装配线工序的质量控制测试上，这是一个非常复杂的优化挑战。联合团队探索如何在装配线上改进这最后也是重要的一步。为了确保生产质量，熟练工人进行一系列测试和检查。这里的目标是定义最优化、最可行的测试计划，用最少的时间完成。这种复杂性源于测试和资源能力之间的依赖性，比如不断变化的工作人员可用性。
通过新的数学公式和处理复杂性的独特分解技术，联合团队展示了部署在QMware云上的混合解决方案的潜力。在论文中，他们为这个特定的应用提出了一种分解方法，以降低复杂性，并证明了该方法的有效性：与所选择的量子、经典和混合量子-经典算法相比，实现了更优化的测试计划。
参考链接：
[1]https://pasqal.io/2022/05/11/bmw-group-and-pasqal-expand-collaboration-to-apply-quantum-computing-to-improve-car-design-and-manufacturing/
[2]https://thequantuminsider.com/2022/05/12/terra-quantum-and-volkswagen-datalab-demonstrate-hybrid-quantum-computing-use-cases/