量子計算的巨大潛力正被應用于一個關鍵的儲能問題：改進電池模擬模型，這有助于加速研究更安全、更高效的儲能以及用于電動汽車和其他消費應用的新電池材料。

量子計算算法開發商Cambridge Quantum Computing正在與德國航空航天中心合作，研究如何使用量子機器來提高電池模擬的保真度。量子算法被應用于求解偏微分方程，呈現鋰離子電池的初始一維模擬。

處理后，機器學習框架為渲染全 3D 電池模擬提供了基礎，這些模擬可以在“嘈雜的中型量子”計算機上執行。這家德國研究中心表示將在 IBM Q 量子機器上運行其量子模擬。

Cambridge Quantum 機器學習和量子算法主管馬蒂亞·菲奧倫蒂尼 (Mattia Fiorentini) 表示：“我們希望提高 [鋰離子] 電池的性能，這意味著它們可以在不影響安全性的情況下存儲多少能量。”

該研究還解決了電池耐用性和供應鏈問題，例如減少對商業電池中使用的鋰的依賴。研究還可以側重于替代電池材料，如豐富的高能鋅。

3D 電池模擬模型還為新興的量子計算平臺提供了一個新的用例，包括像 IBM 的 Q 這樣的嘈雜系統。這些平臺正在通過像劍橋量子這樣的機器學習算法得到增強。合作伙伴表示，這種組合將為高分辨率、多尺度模擬模型奠定基礎，包括對整個電池的模擬。

“硬件會變得更好，”Fiorentini 在接受采訪時說。

劍橋量子的馬蒂亞·費奧倫蒂尼

除了求解與模擬模型相關的偏微分方程外，量子計算還可用于通過在量子計算機上編碼信息來描述完整系統。“這非常有用，”Fiorentini 補充道。

“與經典計算機相比，量子計算機確實可以做得更好，”他說。“在與德國航空航天中心的合作中，我們希望首先證明描述電池的數學問題可以通過量子計算機解決。” 佛羅倫薩有信心他們可以。

“我們的目標是試圖證明類似于計算流體動力學領域的東西，即找到電池的一個方面或電池的特定設計……我們可以證明 [量子計算機] 具有優勢。”

因此，合作的目標是使用基于量子的機器來模擬整個電池系統。由此產生的模型將提供電池性能的詳細概況，同時還可用于關注電池設計的特定方面。

這將使研究人員能夠“調整和改進電池的各個方面”，包括新材料的快速原型制作和評估它們的行為。Fiorentini 說，這開啟了加速評估性能特征的可能性，例如可以安全存儲的能量密度、毒性、耐用性和在更長的時間內測量的電池行為。

德國中心的航空航天研究人員此前曾使用經典計算機建模來研究一系列不同的電池類型，包括鋰離子和鋅薄膜等“超越鋰技術”。

最新的合作展示了量子計算和機器學習在解決能源存儲和電池安全等關鍵領域的現實問題方面的發展。該研究中心在宣布與劍橋量子計算公司合作時表示：“這是最早將偏微分方程模型用于電池模擬和近期量子計算相結合的作品之一。”

Fiorentini 表示，此次合作將有助于加速量子計算從理論工具向計算平臺的轉變，在 3D 模擬建模等領域提供關鍵優勢。隨著量子計算的發展，他總結道：“我們需要打一場持久戰。”

審核編輯 黃昊宇