Quanscient ระดมทุน 5.2 ล้านยูโร: AI และควอนตัมจะเปลี่ยนโฉมการจำลองทางวิศวกรรมอย่างไร

ซอฟต์แวร์คอมพิวเตอร์ช่วยวิศวกรรม (CAE) แบบเก่ามักบังคับให้วิศวกรต้องทำงานบนแบบจำลองฟิสิกส์เดี่ยวที่ถูกทำให้ง่ายลง เพราะข้อจำกัดของหน่วยความจำเวิร์กสเตชันในเครื่อง แต่ Quanscient จากเมืองตัมเปเร ประเทศฟินแลนด์ กำลังทลายคอขวดนั้นด้วยตัวแก้ปัญหามัลติฟิสิกส์บนคลาวด์ชื่อ Allsolve เอ็นจิ้นสำรวจการออกแบบด้วย AI และอัลกอริทึมควอนตัมที่ทดสอบจริงแล้ว ในเดือนพฤศจิกายน 2024 บริษัทได้รับเงินทุนเติบโต 5.2 ล้านยูโร (ประมาณ 5.66 ล้านดอลลาร์สหรัฐ) เพื่อผลักดันทั้งสามด้านไปพร้อมกัน

ข้อมูลเพิ่มเติมเกี่ยวกับเงินทุน: แม้ฐานข้อมูลภายนอกบางแห่งจะจัดประเภทเงินทุนรอบนี้ว่าเป็น "Series A" มูลค่าประมาณ 5.7 ล้านดอลลาร์ แต่การประกาศอย่างเป็นทางการของบริษัทระบุว่าเป็นรอบเงินทุนเพื่อการเติบโต (growth round) 5.2 ล้านยูโร และไม่พบบันทึกการระดมทุน Series A 10 ล้านยูโรของ Quanscient แต่อย่างใด เมื่อรวมกับเงินทุนรอบเริ่มต้น (Seed Round) 3.9 ล้านยูโรในเดือนเมษายน 2023 บริษัทระดมทุนได้รวม ประมาณ 9.1 ล้านยูโร (≈9.96 ล้านดอลลาร์สหรัฐ) จากทุกรอบที่เปิดเผย

เงิน 5.2 ล้านยูโรจะนำไปใช้ทำอะไรบ้าง

เงินทุนก้อนนี้มุ่งเป้าไปที่วัตถุประสงค์เฉพาะสามข้อ เพื่อดึงการจำลองทางวิศวกรรมให้หลุดพ้นจากข้อจำกัดของเดสก์ท็อป ไปสู่โครงสร้างพื้นฐานคลาวด์และควอนตัมที่ขยายขนาดได้และมี AI ผสานอยู่

1. การพัฒนาผลิตภัณฑ์สำหรับแพลตฟอร์ม Allsolve
เงินทุนจะสนับสนุนการพัฒนา Quanscient Allsolve อย่างต่อเนื่อง ซึ่งเป็นซอฟต์แวร์แบบ SaaS สำหรับแก้ปัญหามัลติฟิสิกส์บนคลาวด์ ที่ทำงานด้วยพลังประมวลผลไร้ขีดจำกัดบนคลาวด์ผ่านบริการอย่าง AWS Batch แพลตฟอร์มนี้มีตัวเชื่อมต่อฟิสิกส์ในตัว เช่น ของไหล, ความร้อน, โครงสร้าง, คลื่นแม่เหล็กไฟฟ้า, อะคูสติก และพีโซอิเล็กทริก โดยไม่ต้องใช้โมดูลเสริมหรือต่อเชื่อมเอง และยังข้ามขีดจำกัดหน่วยความจำของเครื่องเดียวไปได้

2. ขยายทีมและแผนการตลาด
เงินทุนนี้ใช้เพื่อขยายทีมเทคนิคและเชิงพาณิชย์ของ Quanscient ให้เข้าถึงภาคส่วนพลังงาน, การบินและอวกาศ และยานยนต์ ซึ่งต้องการเวลาและต้นทุนที่ลดลงจากการจำลองที่เร็วขึ้นอย่างเร่งด่วน

3. การวิจัยและตรวจสอบอัลกอริทึมควอนตัม
เงินทุนส่วนหนึ่งถูกเก็บไว้เพื่อพัฒนาอัลกอริทึมควอนตัม ซึ่งนี่ไม่ใช่แค่แผนงานเลื่อนลอย ในเดือนมีนาคม 2025 Quanscient ได้สาธิตการจำลองพลศาสตร์ของไหล (CFD) แบบหลายขั้นเวลา ด้วยวิธี Quantum Lattice Boltzmann Method (QLBM) บนซูเปอร์คอมพิวเตอร์ควอนตัม 50 คิวบิตเครื่องแรกของยุโรปเป็นรายแรกของโลก เป้าหมายคือให้อัลกอริทึมควอนตัมให้ข้อได้เปรียบด้านความเร็วสูงสุดถึง 100 เท่า เมื่อเทียบกับ CAE แบบเก่า

สองแนวทางขนานเพื่อพลิกโฉมการจำลองมัลติฟิสิกส์

วิธีการของ Quanscient ในการแก้จุดอ่อนของซอฟต์แวร์ CAE แบบเก่า แบ่งออกเป็นแนวทางที่พร้อมใช้จริงบนคลาวด์และ AI ในวันนี้ และแนวทางควอนตัมระยะยาวที่เลยขั้นการวิจัยบริสุทธิ์ไปแล้ว

แนวทางที่หนึ่ง: การจำลองบนคลาวด์ด้วย AI พร้อมใช้งานแล้ววันนี้

มัลติฟิสิกส์ที่ผูกกันแน่นบนสเกลคลาวด์
Allsolve ทำงานบนพลังประมวลผลคลาวด์ที่แทบไร้ขีดจำกัด ขยายขนาดโมเดลที่มีดีกรีออฟฟรีดอมหลายร้อยล้านในเวลาไม่กี่นาที จากเดิมที่ต้องใช้เวลาหลายวันหรือสัปดาห์บนเวิร์กสเตชัน วิธีการแบ่งโดเมนของแพลตฟอร์มช่วยกระจายงานใหญ่ๆ ไปยังคลาวด์โหนดต่างๆ ได้อย่างมีประสิทธิภาพ ทำให้ไม่จำเป็นต้องทอนแบบจำลองให้พอดีกับหน่วยความจำอีกต่อไป

MultiphysicsAI สำหรับสำรวจพื้นที่การออกแบบทันที
ในช่วงปลายปี 2025 Quanscient เปิดตัว MultiphysicsAI ซึ่งเป็นเอนจิ้นช่วยตัดสินใจ ที่แปลงข้อมูลจำลองความแม่นยำสูงให้เป็นโมเดล AI เสมือนที่เข้าใจฟิสิกส์ หลังจากฝึกฝนด้วยชุดข้อมูลเฉพาะที่ Allsolve สร้างขึ้น โมเดลเสมือนเหล่านี้สามารถทำนายผลลัพธ์สมรรถนะได้ในหน่วยมิลลิวินาที ทำให้วิศวกรสามารถสำรวจตัวเลือกการออกแบบที่เป็นไปได้นับพันแบบ และเส้นโค้งแลกเปลี่ยน (เช่น ระหว่างน้ำหนักกับสมรรถนะความร้อนและต้นทุน) ได้ในไม่กี่วินาที แทนที่จะจำลองทีละแบบเดี่ยวๆ แล้วเดาทางต่อไป

ตัวช่วย AI แบบเจเนอเรทีฟและการทำนาย
แพลตฟอร์มมีผู้ช่วยจำลองที่ขับเคลื่อนด้วย AI เจเนอเรทีฟ สามารถตอบคำถามผู้ใช้โดยอ้างอิงเอกสาร และมีตัวตรวจจับความผิดปกติที่ช่วยชี้ข้อผิดพลาดจากมนุษย์ในการตั้งค่าการจำลองก่อนจะรันงานยาวๆ จนเปลืองเวลาคอมพิวต์ ในส่วนของตัวแก้ปัญหา กำลังมีการผสาน AI เชิงทำนายเพื่อเร่งการลู่เข้าหาคำตอบโดยตรง

Python SDK สำหรับไปป์ไลน์ ML
Python SDK ช่วยให้ทีมวิศวกรดึงข้อมูลจำลองดิบขนาดใหญ่ได้ผ่านโค้ด สร้างชุดข้อมูลฝึกสอนเอง และฝึกโมเดล AI เสมือนที่มีความเที่ยงตรงสูง เพื่อการเพิ่มประสิทธิภาพผลผลิตอัตโนมัติและการผสานเข้ากับซอฟต์แวร์วิศวกรรมอื่นๆ รวมถึงการใช้เอเจนต์ที่รับคำสั่งด้วยภาษาธรรมชาติเพื่อรันการจำลองได้

แนวทางที่สอง: อัลกอริทึมควอนตัม (ขั้นต้นแต่ผ่านการตรวจสอบแล้ว)

Quanscient ไม่ได้รอให้คอมพิวเตอร์ควอนตัมที่แก้ไขข้อผิดพลาดได้มาถึงก่อน บริษัทได้สร้างสิ่งที่ระบุว่าเป็นแพลตฟอร์ม CAE แรกของโลกที่ออกแบบมาเพื่อผสานอัลกอริทึมควอนตัมเมื่อฮาร์ดแวร์พร้อม และได้ย้ายอัลกอริทึมควอนตัมจากกระดาษขึ้นสู่ฮาร์ดแวร์ซูเปอร์คอนดักติ้งจริงแล้ว
การสาธิต QLBM ในเดือนมีนาคม 2025 บนระบบ 50 คิวบิตของ VTT ถือเป็นเครื่องพิสูจน์ที่เป็นรูปธรรมและเปิดเผยต่อสาธารณะถึงแนวทางควอนตัมนี้ ไม่ใช่แค่ทฤษฎีหรือแบบจำลอง แผนงานของบริษัทตั้งเป้าที่จะมีโปรเจกต์นำร่องผลิตภัณฑ์ควอนตัมตัวแรก โดยมีคำมั่นระยะยาวว่ามันจะแก้ปัญหามัลติฟิสิกส์ที่ผูกกันแน่นและซับซ้อนเกินกว่าคอมพิวเตอร์แบบคลาสสิกจะรับไหว

เทคโนโลยีนี้ถูกนำไปใช้ที่ไหนบ้าง

การผสมผสานระหว่างสเกลคลาวด์ที่ไร้ขีดจำกัด, โมเดล AI เสมือน และแผนงานควอนตัมที่น่าเชื่อถือ ทำให้แพลตฟอร์มนี้มีประโยชน์กับหลายอุตสาหกรรมที่ความเร็วและความเที่ยงตรงของการจำลองเป็นตัวกำหนดสมรรถนะของฮาร์ดแวร์

• ยานยนต์: จากเซ็นเซอร์ RF และ LiDAR ไปจนถึงการจัดการความร้อนของระบบส่งกำลังไฟฟ้าทั้งระบบ MultiphysicsAI จะเผยพื้นที่การออกแบบทั้งหมดภายใต้ข้อจำกัดด้านการผลิต, สมรรถนะ และต้นทุน เพื่อให้วิศวกรเห็นทุกจุดแลกเปลี่ยนที่ดีที่สุด ไม่ใช่แค่ผลลัพธ์แรกจากการจำลองจุดเดียว
• การบินและอวกาศ: ปัญหาการคู่ควบด้านอากาศยาน ความร้อน โครงสร้าง และคลื่นแม่เหล็กไฟฟ้านั้นใหญ่เกินกว่าที่ซอฟต์แวร์บนเดสก์ท็อปจะรับมือไหว Allsolve บนคลาวด์จัดการปัญหาเหล่านี้ด้วยฟิสิกส์ที่ผูกกันแน่นในสเกลใหญ่ ขณะที่โมเดล AI ช่วยให้ทำซ้ำการออกแบบได้อย่างรวดเร็ว
• พลังงาน: การจำลองมัลติฟิสิกส์ความแม่นยำสูงเป็นสิ่งสำคัญสำหรับความน่าเชื่อถือของอิเล็กทรอนิกส์กำลัง, การจำลองความร้อนหนีแบตเตอรี่ และการออกแบบระบบพลังงานหมุนเวียน Python SDK ทำให้การกวาดพารามิเตอร์อัตโนมัติข้ามจุดออกแบบหลายพันจุดเป็นเรื่องง่าย
• MEMS และเซมิคอนดักเตอร์: การจำลองการคู่ควบที่ครอบคลุมระหว่างพีโซอิเล็กทริก, ไฟฟ้าสถิต, อะคูสติก และคลื่นยืดหยุ่นในสเกลการผลิตโดยไม่ต้องลดทอน นับเป็นหนึ่งในพื้นที่การใช้งานที่สูงที่สุดของแพลตฟอร์ม

หัวใจสำคัญของคุณค่าที่แพลตฟอร์มมอบให้กับทุกอุตสาหกรรมนี้ คือการเปลี่ยนจาก "การประเมินทีละหนึ่งการออกแบบบนฮาร์ดแวร์ในเครื่อง" ไปสู่ "การสำรวจพื้นที่การออกแบบที่เป็นไปได้ทั้งหมดบนคลาวด์" โดยมี AI คอยทำนายผลทันที และมีอัลกอริทึมควอนตัมที่พิสูจน์แล้ว แม้จะยังอยู่ในขั้นต้น แต่สัญญาว่าจะเร่งความเร็วแบบก้าวกระโดดเมื่อฮาร์ดแวร์ควอนตัมพัฒนาเต็มที่