宝马携手Classiq利用量子计算优化汽车架构

从电机到机械臂，所有汽车组件均可利用强大的算法进行分析。

作为宝马汽车新兴技术团队的成员，Lukas Müller的工作是对各种新技术进行深入分析，以评估宝马是否有望应用这些技术。他并非首位考虑量子计算如何影响宝马集团造车方式的内部员工，但他向SAE透露，宝马正计划驾驭更强大的计算机以打造更优质的未来汽车，而他所做的工作只是冰山一角。

今年6月，宝马宣布将与Classiq和英伟达达成合作，共同研究最适合未来汽车的电气和机械系统的架构设计。他们的合作思路是利用量子计算开发出一种实时解决方案，将传动系看作线性方程组来分析动力总成中可能包含的电机、电池、冷却系统等一系列组件，从而提高汽车架构的效率。

Classiq的技术市场经理Erik Garcell告诉SAE：“电气和机械系统非常复杂。在分析系统数据时，必须考虑输入这些系统的电力相位问题，以及开启或关闭设备的时序问题，这样才能确保系统正常运行。”

Garcell表示该项目最终将开发出一款车载设备，可根据实时数据计算出需要开启或关闭的设备，以及相应的执行顺序。但由于目前尚未开发出可扩展的量子系统，因此目前首先由量子计算机完成汽车生产前的复杂分析工作。接着，精简后的车载系统会利用这些分析结果，根据量子系统生成的规则来控制动力总成的各个设备。Garcell表示，接下来就需要利用量子近似优化算法(QAOA)来解决问题了。

他表示：“我们一直在尝试优化这套线性方程组系统，也就是由电气组件构成的传动系。如何优化这个如神经网络般的庞大且复杂的系统?这并非一次性就能解决的问题，而是需要不断向系统本身反馈数据。我们可将传动系看作一个图形理论问题。通过使用QAOA算法进行优化，研究人员便能构想出一个更高效的线性方程组系统，并将其与原系统进行回溯比较，从而判断哪个传动系更优。具体而言就是分析哪些设备以怎样的方式相连，数据以怎样的方式互相传输，才能获得最高效的线性方程。更高效的电子传动系通常能够节省更多的能源。”

不过，据宝马集团的Müller介绍，必须首先了解量子计算机对优化传动系的作用才能执行整个优化过程。了解机器人如何能将工作时间缩短几毫秒(这是宝马集团的另一个量子计算项目)与通过仿真来研究最优冷却液管道厚度或如何优化车内的冷却液流动路径皆然不同。

Müller表示：“我们决定从一个非常基础的问题入手，选取汽车中的四个组件，并向算法提出问题，例如，‘这些组件之间采取怎样的热量传递和连接方式才能达到最高效率?’也许你会向算法提供一些解决方案，例如功率各不相同的冷却设备，当然这些方案可能会非常昂贵。而算法最终可能会输出这样的结果：‘最高效的解决方案是将这三个组件以A方式连接起来’，或是‘选择这四个组件，将其中三个相连，另一个仅与B组件相连’。”

Classiq曾与罗罗公司(Rolls Royce)在喷气发动机领域进行过合作，也曾与其他汽车OEM有过合作经历。不过与宝马的合作是Classiq能够公开分享的首个汽车领域的项目。

Garcell称：“量子计算机本质上应成为优化系统架构的颠覆性技术。许多公司都在考虑使用这项技术，不仅是为了提高电动车的效率，更是希望利用量子仿真技术研发性能更高的电池，创造出能够加快充电速度或提高整体容量的全新电池化合物。汽车行业正在多个领域探究量子计算技术的应用。”

Müller透露，宝马确实有一小部分人从事量子计算工作。他们进行自主研究、撰写论文并与外部公司合作。在2024年初，宝马联合空中客车(Airbus)举办了空客—宝马集团量子计算挑战赛(ABQCC)，旨在“将量子技术应用于现实工业场景”。

在利用量子计算机研究电气架构之前，宝马曾使用该技术检验工厂的改进措施。确切地说，检验内容是机器人在制造工厂中的移动路径规划，而Müller当时参与了其中的量子计算工作。宝马并未直接在工厂中应用量子计算生成的解决方案，即尚未在实际生产线上投入优化后的机器人，而是正在研究哪些问题适合采用量子计算机解决，并评估可以提高多少速度和效率。

Müller称：“优化问题是我们关注的关键领域之一，因为我们面对许多需要优化的任务。生产和设计汽车是其中最复杂的任务之一。如今，工厂对机械臂的应用日渐增多，而我们总希望缩短其完成特定任务的时间，因为这会直接影响到生产汽车的速度。”

Müller以宝马利用量子计算研究PVC的应用策略为例向我们进一步解释：“我们面临的主要问题是‘一个或多个机器人完成这项工作的最佳顺序是什么?’随着处理的接缝数增加，可执行的顺序数量可能会呈指数级增长。如果机器人可使用不同类型的工具，比如角式喷嘴或双喷嘴，那么问题就会变得更加复杂。即使只涉及到几秒钟，甚至不到一秒的用时变化，也会对后续流程产生影响。”