通过量子计算机对电池设计建模

量子计算的巨大潜力正被应用于一个关键的储能问题：改进电池模拟模型，这有助于加速研究更安全、更高效的储能以及用于电动汽车和其他消费应用的新电池材料。

量子计算算法开发商Cambridge Quantum Computing正在与德国航空航天中心合作，研究如何使用量子机器来提高电池模拟的保真度。量子算法被应用于求解偏微分方程，呈现锂离子电池的初始一维模拟。

处理后，机器学习框架为渲染全 3D 电池模拟提供了基础，这些模拟可以在“嘈杂的中型量子”计算机上执行。这家德国研究中心表示将在 IBM Q 量子机器上运行其量子模拟。

Cambridge Quantum 机器学习和量子算法主管马蒂亚·菲奥伦蒂尼 (Mattia Fiorentini) 表示：“我们希望提高 [锂离子] 电池的性能，这意味着它们可以在不影响安全性的情况下存储多少能量。”

该研究还解决了电池耐用性和供应链问题，例如减少对商业电池中使用的锂的依赖。研究还可以侧重于替代电池材料，如丰富的高能锌。

3D 电池模拟模型还为新兴的量子计算平台提供了一个新的用例，包括像 IBM 的 Q 这样的嘈杂系统。这些平台正在通过像剑桥量子这样的机器学习算法得到增强。合作伙伴表示，这种组合将为高分辨率、多尺度模拟模型奠定基础，包括对整个电池的模拟。

“硬件会变得更好，”Fiorentini 在接受采访时说。

剑桥量子的马蒂亚·费奥伦蒂尼

除了求解与模拟模型相关的偏微分方程外，量子计算还可用于通过在量子计算机上编码信息来描述完整系统。“这非常有用，”Fiorentini 补充道。

“与经典计算机相比，量子计算机确实可以做得更好，”他说。“在与德国航空航天中心的合作中，我们希望首先证明描述电池的数学问题可以通过量子计算机解决。” 佛罗伦萨有信心他们可以。

“我们的目标是试图证明类似于计算流体动力学领域的东西，即找到电池的一个方面或电池的特定设计……我们可以证明 [量子计算机] 具有优势。”

因此，合作的目标是使用基于量子的机器来模拟整个电池系统。由此产生的模型将提供电池性能的详细概况，同时还可用于关注电池设计的特定方面。

这将使研究人员能够“调整和改进电池的各个方面”，包括新材料的快速原型制作和评估它们的行为。Fiorentini 说，这开启了加速评估性能特征的可能性，例如可以安全存储的能量密度、毒性、耐用性和在更长的时间内测量的电池行为。

德国中心的航空航天研究人员此前曾使用经典计算机建模来研究一系列不同的电池类型，包括锂离子和锌薄膜等“超越锂技术”。

最新的合作展示了量子计算和机器学习在解决能源存储和电池安全等关键领域的现实问题方面的发展。该研究中心在宣布与剑桥量子计算公司合作时表示：“这是最早将偏微分方程模型用于电池模拟和近期量子计算相结合的作品之一。”

Fiorentini 表示，此次合作将有助于加速量子计算从理论工具向计算平台的转变，在 3D 模拟建模等领域提供关键优势。随着量子计算的发展，他总结道：“我们需要打一场持久战。”

审核编辑 黄昊宇