Im Fokus der Zusammenarbeit von BMW, Nvidia und Classiq steht die Frage, wie sich die Architektur von elektrischen und mechanischen Systemen optimieren lässt. Die größte Herausforderung sehen die Unternehmen darin, durch komplexe Berechnungen die optimale Kombination verschiedener Komponenten zu ermitteln und zu bestimmen, wie diese am besten miteinander verbunden werden können. So sollen effizientere und sparsamere Konfigurationen gefunden und damit wirtschaftlichere Elektrofahrzeuge realisiert werden, heißt es in einer Pressemitteilung von Classiq. Das Spektrum erstreckt sich von Elektromotoren und Batterien bis hin zu Kühlelementen.
Die BWM Group hat ein Quantenprogramm mit verschiedenen Quantenunterprogrammen entwickelt. Ermöglicht wurde dies laut Classiq durch die Modellierungs- und Kompilierungsfunktionen der Software-Plattform des Spezialisten für Quantensoftware. Anwendung fand auch ein von Classiq beigesteuerte Ansatz basierend auf dem sogenannten Quantum Approximate Optimization Algorithm – für Optimierungsprobleme mit vielen möglichen Lösungswegen – und dem Harrow-Hassidim-Lloyd-Algorithmus – für das Lösen von linearen Gleichungssystemen. Um die großen und komplexen Quantenschaltkreise zu simulieren, kamen zudem GPUs von Nvidia und die Nvidia Cuda-Q-Plattform zum Einsatz.
„Unsere Kollaboration mit Classiq und Nvidia hat eine innovative Quantenanwendung hervorgebracht und zeigt, was dadurch in der Automobilbranche möglich wird. Das Quanten-Stack von Nvidia war entscheidend dafür, diesen komplexen Algorithmus zu simulieren, zu testen und zu präzisieren“, sagt Lukas Müller, Teamleiter Future Compute bei der BMW Group.
„Dieses Projekt ist ein anschauliches Beispiel dafür, was Kollaborationen im Bereich Quantencomputing erreichen können. Dadurch, dass hier Expertisen für Quantenhardware, -sofware und über die Automobilbranche zusammenkamen, konnten wir beachtliche Fortschritte in außergewöhnlich kurzer Zeit machen“, sagt Nir Minerbi, CEO bei Classiq.
Noch steht die praktische Anwendung von Quantencomputing am Anfang, so die Kooperationspartner. Um die gemeinsam entwickelte Lösung industriell nutzbar zu machen, sei weitere Forschung notwendig.
