通过量子计算为移动性的未来做准备

汽车与装配实践 通过量子计算为移动性的未来做准备 量子计算正在进步-它可能会使移动性革命进入更高水平。 本文是ScarlettGao，TimoMöller，NikoMohr，AlexiaPastre和FelixZiegler的合作成果，代表了麦肯锡汽车与装配实践的观点。 2023年9月 流动性部门-一直以创新而闻名-现在的发展速度比以往任何时候都快。电动汽车（EV）的销售激增，预计从2021年到 2030.1新的解决方案，包括领先的电池和自动驾驶汽车，正在推进发展，并吸引了来自 自2010年以来，投资者已经向汽车硬件和软件解决方案投入了近2800亿美元。2同时，曾经被私家车吸引的消费者越来越多地探索更环保的选择，包括电动滑板车和拼车服务。 量子计算原理 任何物理对象，有生命的或无生命的，由原子和亚原子粒子组成，它们以不同的方式相互作用，受量子力学原理的支配。有些粒子处于纯状态——它们保持固定不变。其他人则处于量子态-这个概念可能很难理解，因为它涉及到让一个粒子同时占据多个状态。例如，纯态的电子向上或向下旋转 ；在量子态，也称为叠加，它同时向上和向下旋转。另一种量子原理认为粒子可以处于纠缠状态，其中一个的变化直接影响另一个。叠加和纠缠原理是量子计算的基础。 量子位或量子位是量子计算机可以处理和存储的最小数据单位。在纯状态下，量子位的值为1或0，类似于当今计算中使用的位。在叠加中，它们可以同时是这两个值，并且可以实现大规模的并行计算。虽然经典计算机必须在变量发生变化时进行新的计算，但量子计算机可以同时探索具有许多可能变量的问题。 技术和消费者偏好的转变最终将导致一个 完全连接，智能和环保。车辆可以有软件，使他们能够扫描周围的停车位或识别危险 为实现完全自治铺平道路。乘客可以使用车载游戏和视频流。如果路线受阻，车辆可以提出替代方案。对于更复杂的旅行，消费者可以使用应用程序在地铁、共享车辆和其他交通选择之间无缝转移。 这些变化-以及许多其他连接的汽车功能和移动应用程序- 取决于 关于车载计算机和那些 类似地,许多移动应用,例如用于映射的应用,依赖于科技公司和OEM之间的信息交换。这些业务中的许多业务直到最近才开始合作,合作伙伴仍在尝试共享和交换数据的最佳方式。 现有的计算机虽然足以满足许多应用程序的需求，但无法完全支持创建互联和智能移动生态系统所需的所有更改。量子计算（QC）可能会通过利用量子力学原理提供更快更好的解决方案，量子力学是控制原子和亚原子粒子如何作用和相互作用的规则。(有关更多信息，请参见侧栏“量子计算原理”。). 从短期来看，QC可能最适用于解决涉及小型数据集的复杂问题；随着其性能的提高，QC将应用于非常大的数据集。 尽管研究人员估计，QC的广泛商业应用大约需要五到十年的时间，但一些移动公司已经在这方面进行了试点应用并建立了自己的能力。其他机会可能很快就会出现。例如，OEM可以使用 1RussellHensley，KevinLaczkowski，TimoMöller和DennisSchwedhelm，“汽车行业的规模能否足够快？”麦肯锡季刊，2022年5月12日。 2“汽车行业的规模能否足够快？”麦肯锡季刊，2022年5月12日。 在自动驾驶中,QC可以提高车辆部件的性能。 传感器和车辆系统，使他们能够在遇到道路障碍时做出即时决策，或帮助OEM开发更好的加密算法，以防止黑客接管车辆。 如果移动参与者继续扩大他们的计划，QC可以在从车辆设计到最后一英里交付到长途运输的领域创造巨大的价值 。我们的分析表明，汽车，以及化学，金融服务和生命科学，可能会受到QC最早的经济影响。例如，仅在汽车行业，到2035年，QC的经济价值可能从290亿美元到630亿美元不等。3 量子计算的好处 高性能经典计算（HPC）中使用的算法（当今的标准）足以进行许多计算，包括用于评估临床试验结果，分析财务趋势和预测天气模式的算法。但是，QC可以更快地处理相同的计算，并且功耗要求更低。 QC还可以解决各行各业的一些复杂问题，这些问题现在是HPC无法解决的。 在移动行业中，一些公司一直在犹豫是否要进行质量控制应用，因为HPC成本较低，并且同样有可能解决大多数问题，尽管速度较慢。但这种心态可能是短视的，因为QC算法正在不断改进，相关成本可能会降低。在整个行业中 ，QC最有可能在以下三项活动中获得牵引力，因为它比HPC具有最大的时间和成本优势，并且在某些情况下具有更好的准确性（图表1）： 附件1 量子计算应用可以根据所涉及的活动类型遵循不同的时间表。 可行性范围 优化 Simulation 量子算法可以实现跨行业运营绩效的近乎实时优化 o短期 量子力学系统和过程的模拟，如内部能量结构和分子相互作用，可以促进决策。 中期 量子机器学习可以分析大型数据集，并增强决 策、预测和自动化。 量子辅助AI/机器学 习长期 注意：此时间线不包括与量子因式分解相关的潜在应用，这可能会成倍地加速大素数的因式分解。该过程对许多加密协议至关重要。 1量子机器学习是一个发展中的领域；当前的算法基于非优化型量子算法。 麦肯锡公司 3MichaelBogobowicz，ScarlettGao，MateuszMasiowski，NikoMohr，HenningSoller，RodneyZemmel和MatijaZesko，“量子技术看到了创纪录的投资，人才缺口方面的进步”，2023年4月24日。 —优化。优化算法考虑各种组合中的多个参数，以确定它们如何影响最终结果，例如在制造过程中使用新材料将减少浪费的可能性。在某些情况下，公司可能会使用经典算法将大型问题划分为更易于管理的块，然后将QC应用于这些较小的部分以加快计算。在短期内，。 质量控制优化应用最有可能产生好处。例如，自动驾驶汽车可能与人类司机一起上路，他们并不总是做出合理的决定。质量控制可能通过分析大量驾驶数据来帮助自动驾驶汽车正确预测司机在某些情况下的反应 。4 —模拟。QC可以实现更快，更精确的模拟，例如评估不同分子的内部能量结构及其相互作用的模拟。在移动性中，模拟可以帮助优化电池开发，促进耐热材料的创建，并有助于替代航空燃料的开发。这样的用例可能会在中期获得牵引力。 —混合机器学习（ML）和人工智能（AI）。QC算法可以减少ML/AI模型的训练时间和功率要求，特别是在计算最密集的层中，这将帮助公司更快地做出决策。例如，他们可能能够根据大气模型的数据更快地改变航班时间表和路线。 另一个好处是QC可能会降低 所需的训练数据量。QC可能需要五到十年的时间才能在AI和ML中产生实质性结果。 在短期内，公司可能会依靠混合运营模式产生最大的影响，在该模式中，他们将HPC应用于某些问题，并为提供最大收益的特定情况保留QC。考虑化学相互作用。 由于量子力学控制原子和亚原子粒子如何相互作用，QC 可以建模 这种本质上的量子过程，其内存和处理能力远低于HPC 所需的。 当前和未来的QC移动应用 QCcanpromoteimprovementalongtheentiremobilityvaluechain(Exhibit2).withinmanufacturing,forinstance,oemcanuseQCtooptimizatethecreationofdigitaltwins, 这是工厂的虚拟表示，可以帮助公司优化仓库内的机器人路径，安排工作，放置设备，增强质量控制或改善能源使用。全球领先的汽车供应商已进入 与QC公司合作建立数字孪生，这将提供对设备性能和生产流程的更深入了解，同时有可能减少浪费和能源使用。 一些最重要的QC用例涉及工程研发和产品设计。考虑电池技术：现在几乎所有的电动汽车电池都含有锂，通常与其他化学物质结合使用，制造商正在研究其他选择 。QC可以改进分析分子结构和相互作用的算法，使制造商能够制造更轻、更安全、更具成本效益的电池。 OEM已经与 QC公司加快电池发展。一些公司开始创建使用密度泛函理论的QC算法，比HPC更快速，更准确地分析不同材料的电子结构。除了电池开发之外，OEM可以使用QC在开发绿色燃料或耐热材料的过程中获得有关化学性质和反应的更详细和快速的见解。 4傅卫平等，“自动驾驶中的量子决策”，《科学报告》，2022年6月30日。 附件2 量子用例存在于移动价值链的许多领域。 按能力和适用行业划分的潜在量子用例 适用性 量子汽车和物流 能力航空和航天 供应链和物流 供应链中断和弹性建模（包括随机预测 和风险管理） 优化 动态仓库优化（如需求预测、库存 、排序、布局） 优化;AI/机器 学习(ML) 通过分子动力学和分子力学模拟发现先 进的材料(例如，电池开发、清洁燃料Simulation 等 电子甲醇、耐热材料) 工程研发； 设计 车辆、飞机或卫星设计(如物理应力 设计， 重量最小化配置、传感器位置、计算流体动力学模拟) 优化 采购 机器人路径、设备配置优化 优化 作业调度优化（如油漆车间问 题） 优化 Manufacturing 机器人和工业运营 优化 控制过程（如计算机视觉） 需求预测（如优化定价） AI/ML 个性化的客户互动机器人流程自动化 市场营销和 销售；服务 优化 AI/ML AI/ML 最大和新的价值潜力 工厂数字孪生 麦肯锡公司 QC还可以改变车辆、飞机和卫星设计的多个领域，使OEM能够优化产品重量、传感器定位和抗物理应力能力 。它还可以改善计算流体动力学测试。这些努力可能会带来昂贵的构建测试，从而改善金属成型工艺的周期，因为QC可以比HPC更快地提供见解。同样，多家OEM通过与QC公司在设计问题上合作，利用量子处理器和量身定制的仿真。 算法可以预测任何工艺修改如何改变车辆部件的组成，并确定这些改变是否会使部件不符合法规。除了加快开发周期和提高安全性之外，虚拟建模还可以帮助OEM生产更轻，更省油的车辆。 麦肯锡未来移动中心 这些见解是由麦肯锡未来移动中心（MCFM）开发的。自2011年以来 ，MCFM通过提供有关未来可能的移动场景的独立和综合证据，与整个移动生态系统的利益相关者合作。通过我们独特的自下而上的建模方法 ，我们的见解使我们能够在未来的移动性中进行端到端的分析之旅-从消费者需求到。 跨城市/农村地区，销售，价值池和生命周期可持续性的模式组合 。了解有关麦肯锡未来移动中心的更多信息，请访问McKinsey.com 。 在更广泛的移动生态系统中的应用QC可能会使移动生态系统中的所有参与者受益，包括车队提供商和试图破坏交通的启动。 舰队优化。QC算法可以优化车队管理，从而实现更高效的运营、降低成本和更好的环境足迹。一些卡车车队现在使用QC来分析多个变量的影响，包括道路建设，当规划路线和调度司机。在海上，一家全球领先的石油和天然气公司正在开展一项QC计划，该计划涉及对不同运输路线的比较优势进行建模，以提高及时能源交付率。一家全球OEM已经签署了一项协议，在其自主汽车研究中使用NASA的量子计算机，并希望在包含多个城市的地区为柴油商用卡车车队绘制最有效的路线。 交通流模拟。在许多国家，道路拥堵是一个日益严重的问题，大众汽车与D-WaveSystems合作，试图开发交通流优化算法。在一个项目中，它分析了北京公共出租车的数据，以确定市中心和机场之间的最佳路线。 大众汽车随后创建了一个移动应用程序，可以提供到达任何目的地的最佳路线，在里斯本，大众汽车为公共巴士配备了一个系统，该系统使用QC近乎实时地计算出最快的路线。 燃料和货物装载。许多航空公司设定了雄心勃勃的可持续发展目标，因为空中交通占全球排放量的比例很高。他们还试图通过简化流程和减少运输时间来减少供应链瓶颈，这种瓶颈在大流行以来变得越来越普遍。质量控制在这两个领域都有帮助。 例如，一家全球领先的航空航天公司正在研究QC算法，以提高装载效率并优化航班上的货物分