El plan de Quanscient para jubilar el CAE tradicional con simulación nativa en la nube e inteligencia artificial

El software de ingeniería asistida por computadora (CAE) tradicional arrastra un lastre: obliga a los ingenieros a trabajar con modelos simplificados de una sola física, limitados por la memoria de una estación de trabajo local. Quanscient, con sede en Tampere (Finlandia), ataca ese cuello de botella de golpe con Allsolve, un solucionador multifísico nativo en la nube; MultiphysicsAI, un motor de exploración de diseño potenciado por inteligencia artificial; y algoritmos cuánticos ya demostrados en hardware real. En noviembre de 2024, la compañía aseguró 5,2 millones de euros (unos 5,66 millones de dólares) en financiación de crecimiento para impulsar estos tres frentes de forma simultánea .

Aclaración sobre el contexto de la financiación: Aunque algunas bases de datos de terceros etiquetan retroactivamente la ronda de noviembre de 2024 como una "Serie A" por un valor cercano a los 5,7 millones de dólares, el comunicado oficial de la empresa la describe específicamente como una ronda de crecimiento de 5,2 millones de euros. No hay registro de una Serie A independiente de 10 millones de euros para Quanscient . Sumando una ronda semilla previa de 3,9 millones de euros en abril de 2023, la compañía ha recaudado aproximadamente 9,1 millones de euros (≈9,96 millones de dólares) en total hasta la fecha .

Para qué servirán los 5,2 millones de euros

El capital fresco se dirige a tres objetivos concretos, todos enfocados en liberar la simulación de ingeniería de las restricciones del escritorio tradicional y llevarla hacia una infraestructura escalable en la nube, integrada con IA y preparada para lo cuántico .

1. Desarrollo de la plataforma Allsolve
Los fondos apoyan el desarrollo continuo de Quanscient Allsolve, un solucionador multifísico SaaS nativo en la nube que se ejecuta sobre recursos de computación ilimitados mediante servicios como AWS Batch . A diferencia de las herramientas clásicas, que requieren emparejar módulos manualmente para distintos tipos de física, la plataforma incluye acoplamientos nativos para física de fluidos, térmica, estructural, electromagnética, acústica y piezoeléctrica desde el primer momento, eliminando pasos de integración manual y rompiendo los límites de memoria de las máquinas individuales .

2. Expansión del equipo y salida comercial
La financiación permite ampliar los equipos técnicos y comerciales de Quanscient para extender su adopción en los sectores energético, aeroespacial y de automoción, donde el ahorro en costes y tiempo de una simulación multifísica más rápida es más acuciante .

3. Investigación y validación de algoritmos cuánticos
Una parte del capital se reserva para el desarrollo de solucionadores cuánticos nativos. No es una promesa de futuro vaga: en marzo de 2025, Quanscient realizó la primera simulación de dinámica de fluidos computacional (CFD) del mundo con múltiples pasos temporales usando el Método Cuántico de Lattice Boltzmann (QLBM), ejecutada en el primer ordenador cuántico superconductor de 50 cúbits de Europa . El objetivo declarado de la empresa es que los algoritmos cuánticos nativos ofrezcan eventualmente una ventaja de velocidad de hasta 100 veces frente a las soluciones CAE tradicionales .

Dos vías paralelas para arreglar la simulación multifísica

El enfoque de Quanscient para subsanar las debilidades del software CAE de siempre se divide en una vía de nube e IA lista para producción hoy, y una vía cuántica a más largo plazo que ya ha superado la fase de investigación pura.

Vía Uno: Simulación nativa en la nube con IA (disponible ahora)

Multifísica fuertemente acoplada a escala de nube
Allsolve se ejecuta sobre una capacidad de cómputo en la nube virtualmente ilimitada, escalando modelos con cientos de millones de grados de libertad en minutos, en lugar de los días o semanas que llevaría en una estación de trabajo local . El método de descomposición de dominios de la plataforma distribuye grandes trabajos entre los nodos de la nube de forma eficiente, eliminando la necesidad de simplificar los modelos para que quepan en la memoria local .

MultiphysicsAI para la exploración instantánea del espacio de diseño
A finales de 2025, Quanscient lanzó MultiphysicsAI: un motor de decisión que convierte datos de simulación de alta fidelidad en modelos de IA sustitutos y conscientes de la física . Tras entrenarse con conjuntos de datos propietarios generados por Allsolve, estos modelos predicen resultados de rendimiento en milisegundos. Los ingenieros pueden explorar miles de candidatos de diseño viables y curvas de compromiso (por ejemplo, peso frente a rendimiento térmico frente a coste) en segundos, en lugar de ejecutar una sola simulación y tener que adivinar la siguiente mejor opción .

Asistencia con IA generativa y predictiva
La plataforma incluye un asistente de simulación basado en IA generativa que responde a las preguntas de los usuarios consultando la documentación, y un detector de anomalías que señala probables errores humanos en la configuración antes de que largas ejecuciones malgasten tiempo de cómputo . Del lado del solucionador, se está integrando IA predictiva para acelerar la convergencia de forma directa .

SDK de Python para pipelines de machine learning escalables
Un SDK de Python permite a los equipos de ingeniería extraer datos brutos de simulación de forma programática a gran escala, construir conjuntos de datos de entrenamiento personalizados y entrenar modelos de IA sustitutos de alta fidelidad. Está diseñado para la optimización automatizada del rendimiento (yield) y la integración en pilas de software de ingeniería existentes, incluyendo agentes de lenguaje natural que pueden lanzar simulaciones desde simples instrucciones .

Vía Dos: Algoritmos cuánticos nativos (fase temprana pero validada)

Quanscient no está esperando a que lleguen los ordenadores cuánticos tolerantes a fallos. Ha construido lo que describe como la primera plataforma CAE del mundo diseñada desde cero para integrar solucionadores cuánticos cuando el hardware madure, y ya ha trasladado sus algoritmos cuánticos del papel a un chip superconductor real .
La demostración del QLBM en marzo de 2025 sobre el sistema de 50 cúbits del centro de investigación finlandés VTT supone una validación pública y tangible del enfoque cuántico, no solo un modelo teórico . La hoja de ruta de la compañía apunta al primer piloto de producto cuántico nativo, con la promesa a largo plazo de resolver problemas multifísicos acoplados que hoy son intratables en hardware clásico debido a la complejidad de escalado exponencial .

¿Dónde se está aplicando esta tecnología?

La combinación de escala de nube ilimitada, modelos de IA sustitutos y una hoja de ruta cuántica creíble hace que la plataforma sea relevante en todos los sectores donde el rendimiento del hardware está limitado por la velocidad y fidelidad de la simulación.

• Automoción: Desde sensores RF y LiDAR hasta la gestión térmica completa del tren motriz eléctrico, MultiphysicsAI revela el espacio de diseño completo bajo restricciones contrapuestas de fabricación, rendimiento y coste, para que los ingenieros vean todas las soluciones de compromiso óptimas, no solo el primer resultado de una simulación puntual .
• Aeroespacial: Los problemas de acoplamiento aerotérmico, estructural y electromagnético son demasiado grandes para los solucionadores de escritorio. Allsolve, nativo de la nube, los maneja con física fuertemente acoplada a escala, mientras que los modelos de IA proporcionan iteraciones de diseño ultrarrápidas .
• Energía: El modelado multifísico de alta fidelidad es crítico para la fiabilidad de la electrónica de potencia, la simulación de fuga térmica en baterías y el diseño de sistemas de energía renovable. El SDK de Python permite barridos automáticos de parámetros a través de miles de puntos de diseño .
• MEMS y Semiconductores: El acoplamiento integral de efectos piezoeléctricos, electrostáticos, acústicos y de ondas elásticas, modelado a escala de producción sin simplificaciones, es una de las áreas de aplicación de mayor tráfico de la plataforma .

La propuesta de valor unificada en todos estos sectores verticales es el salto de evaluar un diseño cada vez en hardware local, a explorar todo el espacio de diseño factible en la nube, con IA que ofrece predicciones instantáneas y algoritmos cuánticos que allanan un camino probado, aunque aún inicial, hacia aceleraciones exponenciales conforme el hardware madure.