Внутри плана Quanscient заменить устаревшее ПО для инженерных расчетов облачной, ИИ-усиленной мультифизикой

На что направлено финансирование роста в €5,2 млн

Свежий капитал направлен на три конкретные цели, все из которых сосредоточены на отрыве инженерного моделирования от ограничений устаревших настольных систем и переходе на масштабируемую, ИИ-интегрированную облачную и квантовую инфраструктуру .

1. Разработка продукта для платформы Allsolve
Средства поддерживают продолжающуюся доработку Quanscient Allsolve, облачного SaaS-решателя для мультифизики, работающего на неограниченных облачных вычислениях через такие сервисы, как AWS Batch . В отличие от традиционных инструментов, требующих ручной стыковки модулей для разных типов физики, платформа включает готовые связи для гидродинамики, теплопередачи, механики деформируемого твердого тела, электромагнетизма, акустики и пьезоэлектрики, устраняя ручные этапы интеграции и снимая ограничения по памяти одномашинных рабочих станций .

2. Расширение команды и коммерческий выход на рынок
Финансирование поддерживает расширение технических и коммерческих команд Quanscient для более широкого внедрения в энергетике, аэрокосмической и автомобильной отраслях, где экономия средств и времени от более быстрого мультифизического моделирования наиболее остра .

3. Исследование и валидация квантовых алгоритмов
Часть капитала зарезервирована для разработки квантово-нативных решателей. Это не спекулятивный пункт дорожной карты — в марте 2025 года Quanscient продемонстрировала первое в мире многошаговое CFD-моделирование с использованием квантового метода решеточных уравнений Больцмана (QLBM), выполненное на первом в Европе 50-кубитном сверхпроводящем квантовом компьютере . Заявленная цель компании состоит в том, чтобы квантово-нативные алгоритмы со временем обеспечили до 100-кратного преимущества в скорости по сравнению с традиционными CAE-решениями .

Две параллельные траектории решения проблем мультифизического моделирования

Подход Quanscient к устранению слабых мест традиционного ПО для CAE разделяется на готовую к использованию облачную и ИИ-траекторию сегодня и более долгосрочную квантовую траекторию, которая уже вышла за рамки чисто исследовательской стадии.

Первая траектория: Облачное моделирование с ИИ-усилением (доступно сейчас)

Сильно связанная мультифизика в облачном масштабе
Allsolve работает на практически безграничных облачных вычислениях, масштабируя модели с сотнями миллионов степеней свободы за минуты, а не дни или недели на локальной рабочей станции . Метод декомпозиции области платформы эффективно распределяет большие задачи по облачным узлам, устраняя необходимость упрощать модели для вписывания в локальную память .

MultiphysicsAI для мгновенного исследования пространства дизайна
В конце 2025 года Quanscient запустила MultiphysicsAI, «движок принятия решений», который преобразует высокоточные данные моделирования в физически осведомленные ИИ-суррогатные модели . После обучения на собственных наборах данных, сгенерированных Allsolve, эти суррогатные модели прогнозируют результаты производительности за миллисекунды. Инженеры могут исследовать тысячи жизнеспособных вариантов дизайна и компромиссные кривые (например, вес в сравнении с тепловыми характеристиками и стоимостью) за секунды, вместо того чтобы запускать одиночную симуляцию и гадать о следующем наилучшем варианте .

Генеративный и предиктивный ИИ-ассистент
Платформа включает ассистента моделирования на базе генеративного ИИ, который может отвечать на вопросы пользователей, ссылаясь на документацию, и детектор аномалий, который отмечает вероятные человеческие ошибки в настройках симуляции до того, как длительные расчеты потратят вычислительное время . Со стороны решателя интегрируется предиктивный ИИ для непосредственного ускорения сходимости .

Python SDK для масштабируемых ML-пайплайнов
Python SDK позволяет инженерным командам программно извлекать сырые данные моделирования в больших объемах, создавать пользовательские обучающие наборы данных и тренировать высокоточные ИИ-суррогатные модели. Это предназначено для автоматической оптимизации выхода годных изделий и интеграции в существующие стеки инженерного ПО, включая агентов на естественном языке, которые могут запускать симуляции по текстовым запросам .

Вторая траектория: Квантово-нативные алгоритмы (ранняя, но проверенная стадия)

Quanscient не ждет появления отказоустойчивых квантовых компьютеров. Компания построила, по ее собственному описанию, первую в мире CAE-платформу, изначально спроектированную для интеграции квантовых решателей, когда оборудование созреет, и уже перенесла квантовые алгоритмы с бумаги на реальное сверхпроводящее оборудование .
Демонстрация QLBM в марте 2025 года на 50-кубитной системе VTT является конкретным, публичным подтверждением квантового подхода, а не просто теоретическим моделированием . Дорожная карта компании нацелена на первый пилотный проект квантово-нативного продукта с долгосрочной перспективой решения связанных мультифизических задач, которые в настоящее время неразрешимы на классическом оборудовании из-за экспоненциальной сложности масштабирования .

Где применяется технология

Сочетание неограниченного облачного масштаба, ИИ-суррогатного моделирования и надежной квантовой дорожной карты делает платформу актуальной для отраслей, где производительность оборудования ограничена скоростью и точностью моделирования.

• Автомобилестроение: От радиочастотных и лидарных датчиков до полного управления температурным режимом электрической силовой установки, MultiphysicsAI раскрывает все пространство дизайна при конкурирующих производственных, эксплуатационных и стоимостных ограничениях, чтобы инженеры видели все оптимальные компромиссы, а не только первый результат точечного моделирования .
• Аэрокосмическая отрасль: Задачи аэротермического, прочностного и электромагнитного взаимодействия слишком велики для настольных решателей. Облачный Allsolve справляется с ними с помощью сильно связанной физики в большом масштабе, в то время как ИИ-модели обеспечивают быстрые итерации дизайна .
• Энергетика: Высокоточное мультифизическое моделирование критически важно для надежности силовой электроники, симуляции теплового разгона аккумуляторов и проектирования систем возобновляемой энергии. Python SDK позволяет проводить автоматические параметрические прогоны по тысячам расчетных точек .
• МЭМС и полупроводники: Комплексное пьезоэлектрическое, электростатическое, акустическое и упруго-волновое взаимодействие, моделируемое в производственном масштабе без упрощений, является одной из самых востребованных областей применения платформы .

Объединяющее ценностное предложение во всех этих вертикалях — это переход от оценки одного варианта дизайна за раз на локальном оборудовании к исследованию всего допустимого пространства дизайна в облаке, где ИИ обеспечивает мгновенные прогнозы, а квантовые алгоритмы предлагают проверенный, хотя и ранний, путь к экспоненциальному ускорению по мере развития аппаратной базы.