フィンランド発Quanscient、クラウドネイティブとAIで実現する「100倍速い」マルチフィジックスシミュレーション

エンジニアが設計に用いる従来のCAE（Computer-Aided Engineering）ソフトウェアは、多くの場合、ローカルワークステーションのメモリ制約に縛られ、単一の物理現象しか扱えない簡略化されたモデルでの作業を強いられてきました。フィンランド・タンペレに拠点を置くQuanscientは、このボトルネックを打破すべく、クラウドネイティブなマルチフィジックス（複合物理）ソルバー「Allsolve」、AIによる設計空間探索エンジン、そして公的に実証済みの量子アルゴリズムという3つの柱で次世代のシミュレーション環境を構築しています。

2024年11月、同社はこの3つの戦略を同時に推進するため、520万ユーロ（約8億2,000万円）のグロース資金を調達しました。

資金調達に関する補足: 一部のデータベースでは、この2024年11月のラウンドを約570万ドルの「シリーズA」と後付けで表記するケースもありますが、Quanscient社自身の公式発表では「520万ユーロのグロースラウンド」とされています。同社が1,000万ユーロ（約15億7,000万円）規模のシリーズAを実施したという記録はありません。2023年4月の390万ユーロのシードラウンドと合わせ、同社の**累計調達額は開示された全ラウンドで約910万ユーロ（約14億3,000万円）**に達しています。

520万ユーロのグロース資金の使途

この新たな資金は、以下の3つの具体的な目標に投じられます。いずれも、エンジニアリングシミュレーションを旧来のデスクトップの制約から解放し、スケーラブルなクラウド・AI・量子インフラへと移行させることを目的としています。

1. Allsolveプラットフォームの製品開発
資金は、クラウドネイティブなSaaS型マルチフィジックスソルバー「Quanscient Allsolve」の開発継続に充てられます。このソルバーはAWS Batchのようなサービスを通じて、事実上無制限のクラウドコンピューティング上で動作します。物理分野ごとに複数のモジュールを手動で連携させる必要がある従来のツールとは異なり、流体、熱、構造、電磁場、音響、圧電といった物理現象間のネイティブ連成を最初から備えており、手動統合の手間を省き、単一マシンのメモリ限界を突破します。

2. チーム拡充と商用化戦略の推進
資金は、技術部門と営業部門の体制強化にも使われます。特に、シミュレーションの高速化によるコスト削減と開発期間短縮の効果が顕著な、エネルギー、航空宇宙、自動車産業への導入を拡大する狙いです。

3. 量子アルゴリズムの研究と検証
資金の一部は、量子コンピュータで直接動作する「量子ネイティブ」ソルバーの開発に充てられます。これは机上の空論ではありません。2025年3月、Quanscientは、欧州初の50量子ビット超伝導量子コンピュータを用い、量子格子ボルツマン法（QLBM）による世界初のマルチタイムステップCFD（数値流体力学）シミュレーションに成功しました。同社は、量子ネイティブアルゴリズムによって、最終的に従来のCAEと比較して最大100倍の速度向上を達成するという目標を掲げています。

マルチフィジックスシミュレーションの課題を解決する2つの並行戦略

Quanscientは、従来のCAEソフトウェアの弱点を克服するため、現在商用利用可能な「クラウド×AI」トラックと、研究段階を脱しつつある長期的な「量子」トラックを同時進行させています。

戦略1: AIで拡張されたクラウドネイティブ・シミュレーション（現在利用可能）

クラウドスケールでの強連成マルチフィジックス
Allsolveは、仮想的に無限のクラウドリソース上で動作し、数億自由度のモデルを、ローカルワークステーションでは数週間かかる計算を数分で処理します。ドメイン分割法を用いることで、大規模なジョブを複数のクラウドノードに効率的に分散させ、ローカルメモリに合わせてモデルを簡略化する必要を完全に排除しました。

AIで設計空間を一瞬で探索する「MultiphysicsAI」
2025年後半に発表された「MultiphysicsAI」は、高忠実度のシミュレーションデータを物理現象を理解したAIサロゲートモデル（代理モデル）に変換する決定エンジンです。Allsolveが生成した独自のデータセットで学習したこれらのAIモデルは、ミリ秒単位で性能を予測します。エンジニアは、単一のシミュレーションを実行し、次の候補を推測する代わりに、重さ対熱性能対コストといったトレードオフ曲線を描きながら、数千もの実現可能な設計案を数秒で探索できるようになります。

生成AIと予測AIによる設計支援
プラットフォームには、ドキュメントを参照してユーザーの質問に回答する生成AI搭載のシミュレーションアシスタントや、長時間の計算実行前にシミュレーション設定の人為的ミスを警告する異常検知機能が統合されています。ソルバー内部では、計算の収束を直接加速させる予測AIの統合も進められています。

スケーラブルな機械学習パイプラインを実現するPython SDK
提供されているPython SDKを利用することで、エンジニアリングチームはプログラム的に大規模な生のシミュレーションデータを抽出し、独自の学習データセットを構築して、高精度のAIサロゲートモデルをトレーニングできます。これは、歩留まりの自動最適化や、自然言語で指示を出すだけでシミュレーションを実行できるエージェントなど、既存のエンジニアリングツール群との統合を想定して設計されています。

戦略2: 量子ネイティブ・アルゴリズム（実証段階へ）

Quanscientは、フォールトトレラント（エラー耐性のある）な大規模量子コンピュータの実用化をただ待っているわけではありません。量子コンピュータが成熟した際に即座に統合できるよう設計された、世界初のCAEプラットフォームを構築し、すでに量子アルゴリズムを理論から物理的な超伝導ハードウェア上での実行へと進めています。

2025年3月にフィンランドのVTT技術研究センターが保有する50量子ビット超伝導量子コンピュータで行われたQLBMのデモンストレーションは、理論上のモデリングに留まらない、量子アプローチの具体的な公的検証として位置づけられます。同社は、最初の量子ネイティブ製品パイロット版をロードマップに掲げており、従来のコンピュータでは指数関数的な計算複雑性によって現実的に解くことが不可能な重合格子問題を、将来的に量子コンピューティングで解決することを長期的な目標としています。

この技術はどこで応用されるのか

無制限のクラウドスケール、AIサロゲートモデリング、そして信頼に足る量子コンピューティングへのロードマップという組み合わせは、ハードウェアの性能向上がシミュレーションの速度と忠実度に直結するあらゆる業界において、ゲームチェンジャーとなり得ます。

• 自動車: RFやLiDARセンサーから、電気パワートレイン全体の熱マネジメントに至るまで、MultiphysicsAIは、製造条件、性能、コストといった相反する制約下での設計空間全体を可視化します。エンジニアは、単一のシミュレーション結果だけを見るのではなく、あらゆる最適なトレードオフの中から設計解を選択できます。
• 航空宇宙: 航空熱力学、構造、電磁場の連成問題は、規模が大きすぎるため従来のデスクトップソルバーでは解析困難です。クラウドネイティブのAllsolveは、こうした強連成物理を大規模に処理し、AIモデルが迅速な設計反復を可能にします。
• エネルギー: パワーエレクトロニクスの信頼性評価、バッテリーの熱暴走シミュレーション、再生可能エネルギーシステムの設計には、高忠実度のマルチフィジックスモデリングが不可欠です。Python SDKにより、数千もの設計ポイントに対する自動パラメータスイープが可能になります。
• MEMS・半導体: 圧電、静電、音響、弾性波の複雑な連成を、簡略化することなく量産設計スケールでモデル化できる点は、同プラットフォームの中でも最も需要の高い分野の一つです。

これらの分野に共通する価値提案は、「ローカル環境で一度に1つの設計を評価する」時代から、「クラウド上で実現可能な設計空間全体を探索し、AIが瞬時に予測を提供し、量子コンピューティングがハードウェアの成熟に伴って指数関数的な加速をもたらす、実証済みの道筋が用意された」時代へのパラダイムシフトにあります。