تمويل Quanscient بقيمة 5.2 مليون يورو: كيف تعيد الحوسبة السحابية والذكاء الاصطناعي والكم بناء المحاكاة متعددة الفيزياء

فيما سيُستخدم تمويل النمو البالغ 5.2 مليون يورو

يتم توجيه رأس المال الجديد نحو ثلاثة أهداف محددة، تتركز جميعها حول إبعاد محاكاة الهندسة عن قيود سطح المكتب التقليدية ونحو بنية تحتية سحابية وكمومية قابلة للتوسع ومتكاملة مع الذكاء الاصطناعي .

1. تطوير منتج منصة Allsolve
تدعم الأموال الاستمرار في بناء Quanscient Allsolve، وهو حلّ سحابي أصلي متعدد الفيزياء بنموذج البرمجيات كخدمة (SaaS) يعمل على موارد حوسبة سحابية غير محدودة عبر خدمات مثل AWS Batch . على عكس الأدوات التقليدية التي تتطلب ربطًا يدويًا للوحدات النمطية لأنواع الفيزياء المختلفة، تتضمن المنصة اقترانات أصلية لفيزياء الموائع، والحرارة، والهياكل، والكهرومغناطيسية، والصوتيات، والكهرباء الانضغاطية بشكل جاهز، مما يلغي خطوات التكامل اليدوي ويكسر حدود ذاكرة الأجهزة أحادية الآلة .

2. توسيع الفريق والدخول التجاري إلى السوق
يدعم التمويل توسيع فرق Quanscient التقنية والتجارية لتوسيع نطاق التبني في قطاعات الطاقة، والفضاء، والسيارات، حيث تكون وفورات التكلفة والوقت الناتجة عن المحاكاة متعددة الفيزياء الأسرع أكثر حدة .

3. البحث في الخوارزميات الكمومية والتحقق منها
يتم تخصيص جزء من رأس المال لتطوير الحلول الكمومية الأصلية. هذا ليس بندًا تأمليًا في خارطة الطريق—في مارس 2025، عرضت Quanscient أول محاكاة للديناميكا الحاسوبية للموائع (CFD) متعددة الخطوات الزمنية في العالم باستخدام طريقة شبكة بولتزمان الكمومية (QLBM)، والتي نُفذت على أول حاسوب كمومي فائق التوصيل بسعة 50 كيوبت في أوروبا . الهدف المعلن للشركة هو أن تقدم الخوارزميات الكمومية الأصلية في النهاية ميزة سرعة تصل إلى 100 ضعف مقارنة بحلول CAE التقليدية .

مساران متوازيان لإصلاح المحاكاة متعددة الفيزياء

ينقسم نهج Quanscient لمعالجة نقاط ضعف برمجيات CAE التقليدية إلى مسار جاهز للإنتاج يعتمد على السحابة والذكاء الاصطناعي اليوم، ومسار كمومي طويل المدى تجاوز الآن مرحلة البحث البحت.

المسار الأول: محاكاة سحابية الأصل مع تعزيز بالذكاء الاصطناعي (متاحة الآن)

متعددة الفيزياء مقترنة بقوة على نطاق سحابي
يعمل Allsolve على موارد حوسبة سحابية غير محدودة تقريبًا، مما يمكن من توسيع نطاق النماذج بمئات الملايين من درجات الحرية في دقائق بدلاً من أيام أو أسابيع على محطة عمل محلية . تقوم طريقة تقسيم المجال (Domain Decomposition Method) في المنصة بتوزيع المهام الكبيرة عبر عقد سحابية بكفاءة، مما يلغي الحاجة لتبسيط النماذج لتناسب الذاكرة المحلية .

MultiphysicsAI لاستكشاف فضاء التصميم الفوري
في أواخر عام 2025، أطلقت Quanscient منتج MultiphysicsAI، وهو محرك قرار يحول بيانات المحاكاة عالية الدقة إلى نماذج ذكاء اصطناعي بديلة واعية بالفيزياء . بعد التدريب على مجموعات بيانات خاصة تولدها Allsolve، تتنبأ هذه النماذج البديلة بنتائج الأداء بالميلي ثانية. يمكن للمهندسين استكشاف آلاف التصاميم المرشحة القابلة للتطبيق ومنحنيات المفاضلة (على سبيل المثال، الوزن مقابل الأداء الحراري مقابل التكلفة) في ثوانٍ، بدلاً من إجراء محاكاة واحدة والتخمين بشأن الخيار الأفضل التالي .

مساعدة الذكاء الاصطناعي التوليدي والتنبؤي
تتضمن المنصة مساعد محاكاة مدعومًا بالذكاء الاصطناعي التوليدي يمكنه الإجابة على أسئلة المستخدمين بالرجوع إلى الوثائق، وكاشفًا للشذوذ يحدد الأخطاء البشرية المحتملة في إعدادات المحاكاة قبل أن تؤدي عمليات التشغيل الطويلة إلى إهدار وقت الحوسبة . على جانب الحلول، يتم دمج الذكاء الاصطناعي التنبؤي لتسريع التقارب الحسابي مباشرة .

مجموعة تطوير برمجيات (SDK) بلغة بايثون لخطوط أنابيب التعلم الآلي القابلة للتوسع
تسمح مجموعة تطوير برمجيات بلغة بايثون لفرق الهندسة باستخراج بيانات المحاكاة الخام برمجيًا على نطاق واسع، وبناء مجموعات بيانات تدريب مخصصة، وتدريب نماذج ذكاء اصطناعي بديلة عالية الدقة. تم تصميم هذا لأتمتة تحسين العائد (yield optimization) والتكامل مع مكدسات البرمجيات الهندسية الحالية، بما في ذلك الوكلاء القائمين على اللغات الطبيعية الذين يمكنهم تشغيل المحاكاة من مطالبات نصية .

المسار الثاني: خوارزميات كمومية أصلية (مبكرة ولكن تم التحقق منها)

لا تنتظر Quanscient وصول الحواسيب الكمومية المقاومة للأخطاء. لقد قامت ببناء ما تصفه بأنه أول منصة CAE في العالم صُممت من الأساس لدمج الحلول الكمومية عندما تنضج الأجهزة، وقد نقلت بالفعل الخوارزميات الكمومية من الورق إلى أجهزة حقيقية فائقة التوصيل .
يمثل عرض QLBM في مارس 2025 على نظام VTT بسعة 50 كيوبت تحققًا ملموسًا وعلنيًا للنهج الكمومي، وليس مجرد نمذجة نظرية . تستهدف خارطة طريق الشركة أول منتج تجريبي كمومي أصلي، مع الوعد طويل المدى بحل مشكلات متعددة الفيزياء المقترنة التي يصعب حلها حاليًا على الأجهزة الكلاسيكية بسبب تعقيد التوسع الأسي .

أين يتم تطبيق التقنية

يجعل الجمع بين النطاق السحابي غير المحدود، والنمذجة البديلة بالذكاء الاصطناعي، وخارطة طريق كمومية ذات مصداقية، المنصة ذات صلة عبر الصناعات التي يكون فيها أداء الأجهزة مقيدًا بسرعة ودقة المحاكاة.

• السيارات: من مستشعرات الترددات الراديوية (RF) والليدار (LiDAR) إلى الإدارة الحرارية الكاملة لمجموعة نقل الحركة الكهربائية، يكشف MultiphysicsAI عن فضاء التصميم الكامل في ظل قيود التصنيع والأداء والتكلفة المتنافسة، حتى يتمكن المهندسون من رؤية جميع المفاضلات المثلى، وليس فقط النتيجة الأولى من محاكاة نقطية .
• الفضاء: مشكلات الاقتران الحراري الهوائي والهيكلي والكهرومغناطيسي كبيرة جدًا بالنسبة للحلول المكتبية. يتعامل Allsolve السحابي الأصلي مع هذه المشكلات بفيزياء مقترنة بقوة على نطاق واسع، بينما توفر نماذج الذكاء الاصطناعي تكرارات تصميم سريعة .
• الطاقة: النمذجة متعددة الفيزياء عالية الدقة أمر بالغ الأهمية لموثوقية إلكترونيات الطاقة، ومحاكاة الانفلات الحراري للبطاريات، وتصميم أنظمة الطاقة المتجددة. تُمكّن مجموعة تطوير البرمجيات بلغة بايثون من إجراء مسوحات برمجية آلية عبر آلاف نقاط التصميم .
• الأنظمة الكهروميكانيكية الدقيقة (MEMS) وأشباه الموصلات: النمذجة الشاملة للاقتران الكهربائي الانضغاطي، والكهروستاتيكي، والصوتي، والموجات المرنة، على نطاق الإنتاج دون تبسيط، هي واحدة من أعلى مجالات التطبيق استخدامًا للمنصة .

القيمة الموحدة المقترحة عبر هذه القطاعات هي التحول من تقييم تصميم واحد في كل مرة على أجهزة محلية إلى استكشاف فضاء التصميم العملي بأكمله في السحابة، مع توفير الذكاء الاصطناعي لتنبؤات فورية، وتقديم الخوارزميات الكمومية لمسار مثبت، وإن كان لا يزال مبكرًا، لتسريعات أسية مع نضوج الأجهزة.