Por dentro do plano da Quanscient para substituir o CAE tradicional por simulação nativa da nuvem com IA

Os softwares tradicionais de engenharia assistida por computador (CAE) frequentemente forçam os engenheiros a trabalharem com modelos simplificados de uma única física, limitados pela memória da estação de trabalho local. A Quanscient, sediada em Tampere, na Finlândia, está atacando esse gargalo com um solucionador multifísico nativo da nuvem chamado Allsolve, um motor de exploração de design com inteligência artificial e algoritmos quânticos já demonstrados publicamente. Em novembro de 2024, a empresa garantiu €5,2 milhões (aproximadamente R$ 31 milhões) em financiamento de crescimento para impulsionar simultaneamente essas três frentes .

Esclarecimento sobre o contexto do financiamento: Embora algumas bases de dados de terceiros rotulem retroativamente a rodada de novembro de 2024 como uma "Série A" de cerca de US$ 5,7 milhões, o anúncio oficial da empresa a descreve especificamente como uma rodada de crescimento de €5,2 milhões. Não há registro de uma Série A autônoma de €10 milhões para a Quanscient . Combinado com uma rodada seed anterior de €3,9 milhões em abril de 2023, a empresa levantou aproximadamente €9,1 milhões (≈R$ 56 milhões) no total em todas as rodadas divulgadas até o momento .

O que o aporte de €5,2M visa alcançar

O novo capital é direcionado a três objetivos específicos, todos centrados em libertar a simulação de engenharia das restrições dos computadores locais e migrá-la para uma infraestrutura de nuvem e quântica escalável e integrada com IA .

1. Desenvolvimento de produto para a plataforma Allsolve
Os fundos estão apoiando a construção contínua do Quanscient Allsolve, um solucionador multifísico SaaS nativo da nuvem que opera em computação ilimitada na nuvem por meio de serviços como o AWS Batch . Diferentemente das ferramentas tradicionais que exigem o acoplamento manual de módulos para diferentes tipos de física, a plataforma inclui acoplamentos nativos para física de fluidos, térmica, estrutural, eletromagnética, acústica e piezoelétrica de forma integrada, removendo etapas de integração manual e quebrando os limites de memória de máquinas individuais .

2. Expansão da equipe e entrada no mercado
O financiamento apoia a expansão das equipes técnicas e comerciais da Quanscient para ampliar a adoção nos setores de energia, aeroespacial e automotivo, onde a economia de custo e tempo de simulações multifísicas mais rápidas é mais crítica .

3. Pesquisa e validação de algoritmos quânticos
Uma parte do capital é reservada para o desenvolvimento de solucionadores nativos quânticos. Isso não é um item especulativo de roadmap — em março de 2025, a Quanscient demonstrou a primeira simulação de dinâmica de fluidos computacional (CFD) com múltiplos passos de tempo do mundo usando o Método Quântico de Lattice Boltzmann (QLBM), executada no primeiro computador quântico supercondutor de 50 qubits da Europa . O objetivo declarado da empresa é que os algoritmos nativos quânticos eventualmente proporcionem uma vantagem de velocidade de até 100× sobre as soluções CAE tradicionais .

Duas trilhas paralelas para resolver a simulação multifísica

A abordagem da Quanscient para lidar com as fraquezas do software CAE tradicional se divide em uma trilha de nuvem e IA pronta para produção hoje, e uma trilha quântica de longo prazo que já passou do estágio de pesquisa pura.

Trilha Um: Simulação nativa da nuvem com potencialização de IA (disponível agora)

Multifísica fortemente acoplada em escala de nuvem
O Allsolve é executado em computação em nuvem virtualmente ilimitada, dimensionando modelos com centenas de milhões de graus de liberdade em minutos, em vez de dias ou semanas em uma estação de trabalho local . O método de decomposição de domínio da plataforma distribui grandes trabalhos entre os nós da nuvem de forma eficiente, eliminando a necessidade de simplificar modelos para caber na memória local .

MultiphysicsAI para exploração instantânea do espaço de design
No final de 2025, a Quanscient lançou o MultiphysicsAI, um motor de decisão que converte dados de simulação de alta fidelidade em modelos substitutos de IA com consciência física . Após treinamento em conjuntos de dados proprietários gerados pelo Allsolve, esses modelos substitutos preveem resultados de desempenho em milissegundos. Os engenheiros podem explorar milhares de candidatos de design viáveis e curvas de trade-off (por exemplo, peso versus desempenho térmico versus custo) em segundos, em vez de executar uma única simulação e tentar adivinhar a próxima melhor opção .

Assistência de IA generativa e preditiva
A plataforma inclui um assistente de simulação alimentado por IA generativa que pode responder às perguntas dos usuários consultando a documentação, e um detector de anomalias que sinaliza prováveis erros humanos nas configurações de simulação antes que longas execuções desperdicem tempo de computação . Do lado do solucionador, a IA preditiva está sendo integrada para acelerar a convergência diretamente .

SDK Python para pipelines de ML escaláveis
Um SDK Python permite que equipes de engenharia extraiam dados brutos de simulação programaticamente em escala, construam conjuntos de dados de treinamento personalizados e treinem modelos substitutos de IA de alta fidelidade. Isso é projetado para otimização automatizada de rendimento e integração em pilhas de software de engenharia existentes, incluindo agentes de linguagem natural que podem executar simulações a partir de prompts .

Trilha Dois: Algoritmos nativos quânticos (inicial, mas validado)

A Quanscient não está esperando a chegada dos computadores quânticos tolerantes a falhas. Ela construiu o que descreve como a primeira plataforma CAE do mundo projetada do zero para integrar solucionadores quânticos assim que o hardware amadurecer, e já moveu algoritmos quânticos do papel para hardware supercondutor real .

A demonstração do QLBM em março de 2025 no sistema de 50 qubits da VTT é uma validação pública e concreta da abordagem quântica, não apenas uma modelagem teórica . O roadmap da empresa tem como meta o primeiro piloto de produto quântico nativo, com a promessa de longo prazo de resolver problemas multifísicos acoplados que são atualmente intratáveis no hardware clássico devido à complexidade de escala exponencial .

Onde a tecnologia está sendo aplicada

A combinação de escala de nuvem ilimitada, modelagem substituta de IA e um roadmap quântico com credibilidade torna a plataforma relevante para indústrias onde o desempenho do hardware é limitado pela velocidade e fidelidade da simulação.

• Automotivo: De sensores RF e LiDAR ao gerenciamento térmico completo do trem de força elétrico, o MultiphysicsAI revela todo o espaço de design sob restrições concorrentes de manufatura, desempenho e custo, para que os engenheiros possam ver todas as compensações ideais, não apenas o primeiro resultado de uma simulação pontual .
• Aeroespacial: Problemas de acoplamento aerotérmico, estrutural e eletromagnético são grandes demais para solucionadores de desktop. O Allsolve nativo da nuvem lida com isso com física fortemente acoplada em escala, enquanto os modelos de IA fornecem iterações de design rápidas .
• Energia: A modelagem multifísica de alta fidelidade é crítica para a confiabilidade da eletrônica de potência, simulação de fuga térmica de baterias e design de sistemas de energia renovável. O SDK Python permite varreduras automatizadas de parâmetros em milhares de pontos de design .
• MEMS e Semicondutores: O acoplamento abrangente piezoelétrico, eletrostático, acústico e de ondas elásticas, modelado em escala de produção sem simplificação, é uma das áreas de aplicação de maior demanda da plataforma .

A proposta de valor unificadora em todos esses setores verticais é a mudança de avaliar um design por vez em hardware local para explorar todo o espaço de design viável na nuvem, com a IA fornecendo previsões instantâneas e os algoritmos quânticos oferecendo um caminho comprovado, embora ainda inicial, para acelerações exponenciais à medida que o hardware amadurece.