محاسبات کوانتومی یک گونه شبیه‌سازی پزشکی نجات‌بخش را تا 12 درصد سرعت می بخشد
شرکت های IonQ و Ansys نشان داداند که محاسبات کوانتومی می تواند در شبیه‌سازی‌های مهندسی از محاسبات کلاسیک پیشی بگیرد و در آزمایش‌های طراحی پمپ خون تا ۱۲٪ پردازش سریع‌تری انجام دهد.
با استفاده از کامپیوتر کوانتومی IonQ به نام IonQ Forte ، نرم‌افزار LS-DYNA شرکت Ansys شبیه‌سازی‌های پیچیده دینامیک سیالات را بهینه‌سازی کرد و تا ۲.۶ میلیون راس و ۴۰ میلیون لبه را مدیریت کرد. این دستاورد پتانسیل محاسبات کوانتومی را در کاربردهای صنعتی، به‌ویژه در طراحی دستگاه‌های پزشکی نجات‌بخش، نشان میدهد. این همکاری از یک رویکرد کوانتومی برای تقسیم‌بندی گراف استفاده میکند که زمان حل مسائل آنالیز المان محدود (FEA) را تسریع میکند. این راه‌حل ترکیبی کوانتومی-کلاسیکی در صنایع مختلف از جمله ایمنی خودرو، لجستیک و بهینه‌سازی مالی امیدوارکننده است و نقطه عطفی در کاربرد محاسبات کوانتومی برای حل مشکلات دنیای واقعی به شمار میرود.
شرح کامل دستاورد:
همکاری بین IonQ و Ansys یک پیشرفت مهم در ادغام محاسبات کوانتومی با کاربردهای صنعتی عملی به‌ویژه در زمینه شبیه‌سازی‌های مهندسی است. این نمایش، توانایی محاسبات کوانتومی را در برتری بر محاسبات کلاسیک در زمینه‌های حیاتی مانند طراحی و بهینه‌سازی دستگاه‌های پزشکی، به‌ویژه پمپ‌های خون، با استفاده از نرم‌افزار LS-DYNA شرکت Ansys نشان میدهد. دستاورد اصلی این همکاری، اثبات این موضوع است که محاسبات کوانتومی می‌توانند شبیه‌سازی‌های مهندسی را تا ۱۲٪ سریع‌تر کنند و پتانسیل فناوری کوانتومی را در انقلاب‌سازی طراحی دستگاه‌های پزشکی و همچنین صنایع مختلفی مانند ایمنی خودرو، لجستیک و بهینه‌سازی مالی به نمایش می‌گذارند.
مهم‌ترین موفقیت این پروژه در استفاده از تکنیک‌های تقسیم‌بندی گراف بهبود یافته با کوانتوم در فرآیند شبیه‌سازی است. در زمینه‌های محاسباتی مانند آنالیز المان محدود (FEA)، که معمولاً برای مدل‌سازی پدیده‌های فیزیکی استفاده می‌شود، از تکنیک‌های تقسیم‌بندی گراف برای مدیریت پیچیدگی سیستم‌های خطی مقیاس بزرگ استفاده می‌شود. این تکنیک‌ها هدف دارند تا ماتریس‌های پراکنده را به‌گونه‌ای مجدداً مرتب کنند که هزینه‌های محاسباتی را با کاهش “پرشدن” یا “”fill-in”که در طول روش‌های فاکتورگیری مانند تجزیه LU یا چولسکی اتفاق می‌افتد، کاهش دهند. حتی برای سیستم‌های پراکنده بسیار بزرگ، این روش‌های فاکتورگیری ممکن است هنوز از نظر محاسباتی گران تمام شوند، زیرا به عناصر غیر صفر افزوده می‌شود و حل مشکلات مقیاس بزرگ را چالش‌برانگیز میکند.
روش به‌کاررفته در این پروژه از الگوریتم تکامل زمانی موهومی کوانتومی متغیر (VarQITE) برای حل مشکل بهینه‌سازی ترکیبی در تقسیم‌بندی گراف استفاده میکند. با ادغام این الگوریتم کوانتومی در خط لوله ترکیبی کوانتومی/کلاسیکی مورد استفاده در نرم افزار LS-DYNA ، کارایی حل مشکلات FEA در رشته‌های مختلف مهندسی بهبود می‌یابد. این شامل طراحی پمپ خون و همچنین کاربردهای پیچیده‌تر مانند شبیه‌سازی تصادف خودرو (فشار سقف) و تحلیل ارتعاشات است. بهینه‌سازی کوانتومی امکان کاهش قابل توجه زمان محاسباتی را فراهم می‌آورد، که با بهبود ۱۲٪ عملکرد نسبت به روش‌های کلاسیک سنتی اثبات می‌شود.
کلید موفقیت این رویکرد، استفاده از جریان کار ترکیبی کوانتومی-کلاسیکی است که قدرت سخت‌افزار محاسبات کوانتومی ایون‌کیو (IonQ Forte) را با روش‌های بهینه‌سازی کلاسیکی مانند Fiduccia-Mattheyses ترکیب میکند. ترکیب بهینه‌سازی کوانتومی برای تقسیم‌بندی گراف با بهینه‌سازی کلاسیکی موجب شبیه‌سازی‌های سریع‌تر و کارآمدتر می‌شود، در حالی که دقت نتایج حفظ می‌شود. توانایی مدیریت شبیه‌سازی‌های مقیاس بزرگ، مانند مواردی با تا ۵.۹ میلیون راس و ۵۵ میلیون لبه، استحکام این راه‌حل را در کاربردهای واقعی نشان میدهد و مزایای صنعتی و علمی را فراهم می‌آورد.
نتایج این همکاری، نویدبخش آینده‌ای روشن برای محاسبات کوانتومی در کاربردهای صنعتی است. توانایی اجرای شبیه‌سازی‌های سیستم‌های پیچیده، مانند دینامیک سیالات در دستگاه‌های پزشکی، بر روی سخت‌افزار کوانتومی مانند IonQ Aria و IonQ Forte، درهای پیشرفت‌های آینده در زمینه مهندسی را باز میکند. این مطالعه نه تنها اثبات میکند که کامپیوترهای کوانتومی می‌توانند ابزاری عملی برای تسریع جریان‌های کار FEA باشند، بلکه مفهوم جذابی از چگونگی به‌کارگیری فناوری کوانتومی برای حل مشکلات دنیای واقعی امروز ارائه میدهد.
