Automobilindustrie

Das Wärmemanagement ist eine entscheidende Herausforderung bei der Entwicklung von Elektrofahrzeugen, da es sich direkt auf die Leistung, die Sicherheit und die Langlebigkeit der Batterie auswirkt. Die Simulation von Kühlsystemen, wie z. B. des Wärmeflusses durch oder zwischen Komponenten, erfordert die Lösung komplexer Gleichungen, die mit klassischen Tools rechenintensiv werden können.

In einem gemeinsamen Anwendungsfall mit der BMW Group untersuchte Classiq, wie Quantencomputing die Simulation von EV-Kühlsystemen unterstützen könnte. Das Projekt konzentrierte sich auf die Modellierung und Optimierung der Wärmeübertragung in eng gekoppelten mechanischen und elektrischen Subsystemen unter Verwendung von Quantenalgorithmen, die den Rechenaufwand reduzieren sollen.

Durch die Formulierung von High-Level-Wärmemodellen und die automatische Generierung optimierter Quantenschaltungen zeigte das PoC das Potenzial für skalierbarere Simulationsabläufe. Quantengestützte Ansätze wurden im Hinblick auf ihre Fähigkeit bewertet, die Modelltreue zu verbessern und numerische Lösungen zu beschleunigen.
Diese Zusammenarbeit demonstrierte, wie Quantencomputing klassische Simulationstechniken in der Automobilforschung und -entwicklung ergänzen kann, und erforschte einen Weg zu effizienterem thermischen Design und beschleunigter Innovation bei Elektrofahrzeugen der nächsten Generation.

Die Entwicklung fortschrittlicher Batteriematerialien wie Festelektrolyte, Kathoden mit hoher Kapazität oder schnell ladende Anoden erfordert eine genaue Modellierung von Eigenschaften auf atomarer Ebene wie Ionenbeweglichkeit, Phasenstabilität und Elektronentransport. Klassische Methoden haben oft mit der Quantenkomplexität dieser Systeme zu kämpfen, vor allem wenn es um stark korrelierte Materialien geht.

Im Rahmen eines Quantencomputerprojekts zur Optimierung von Batteriematerialien wird untersucht, wie Quantenalgorithmen, insbesondere der Variational Quantum Eigensolver (VQE) oder die Quantum Phase Estimation (QPE), die elektronische Struktur neuartiger Verbindungen mit höherer Genauigkeit simulieren können. Dies ermöglicht ein besseres Screening von Materialkandidaten im Hinblick auf Eigenschaften wie Leitfähigkeit, Spannungsstabilität oder Zersetzungsresistenz.
Der Anwendungsfall konzentriert sich in der Regel auf repräsentative Molekülfragmente oder kristalline Strukturen, wobei die aus der Quantenchemie gewonnenen Erkenntnisse mit klassischen Methoden der Computerchemie wie DFT verglichen werden. Durch die Modellierung der Energetik, der Ladungsverteilung oder der Diffusionswege kann die Studie Aufschluss darüber geben, welche Materialien eine bessere Leistung bieten könnten.

Für die Innovatoren im Bereich der Energiespeicherung bietet dieser Ansatz einen potenziellen Sprung nach vorn, um die Entdeckung sicherer, effizienterer und langlebigerer Batteriechemien zu beschleunigen, die für die Zukunft von Elektrofahrzeugen, Netzspeichern und tragbarer Elektronik unerlässlich sind.