量子计算(quantum computing)的庞大潜力正被运用于关键的能源储存问题──改善电池模拟模型以协助加速研发更安全、更具效率的能源储存方案，以及提供电动车和其他消费性应用的新电池材料。
总部位于英国的量子计算算法开发业者Cambridge Quantum Computing，正与德国航天中心(German Aerospace Center)合作，研究量子机器如何能用以提升电池模拟的精确度；其量子算法是被应用在求解偏微分方程式(partial differential equations)，以提供锂离子电池芯的一维(1D)初始模拟。
一旦处理完成，机器学习框架将提供能在“嘈杂中等规模量子电脑”(Noisy Intermediate-Scale Quantum computers)上执行、渲染出完整3D电池模拟的基础；德国航天中心表示，该机构将在IBM的Q量子机器上执行量子模拟。
Cambridge Quantum Computing的机器学习暨量子算法负责人Mattia Fiorentini表示：“我们想改善锂电池的性能，这意味着在能够储存多少能量之外，在安全性方面也没有妥协。”
此研究也可望解决电池的耐用性以及供应链问题，例如降低被广泛应用于商用电池的锂材料之依赖，聚焦于像是锌(zinc)等矿藏丰富、高能量的材料。
3D电池模拟模型也为新兴的量子计算平台──包括IBM的Q系统──提供了一个新应用案例；这类平台透过像是Cambridge Quantum Computing的机器学习算法获得增强。两者的结合将为高分辨率、多种规模的模拟模型奠定基础，包括整个电池芯的模拟。
“硬体将会变得更好，”Fiorentini在接受访问时表示，除了求解与模拟模型有关的偏微分方程式，量子计算也能被用来在一台量子电脑上透过资讯编码，描述一套完整的系统：“这相当实用。”
“与经典电脑相较，量子电脑确实能做更厉害的工作。我们与德国航天中心的合作，首先是要证明描述电池的数学问题可以被量子电脑解决；”Fiorentini对于可以实现目标很有信心，而他也表示：“我们希望取得的最大成果，实际上是尝试证明与运算流体力学领域类似的东西，找到电池的某个方面或是电池的特定设计…我们可以证明量子电脑具备优势。”
也就是说，双方的合作是利用量子机器模拟整个电池系统，得出的模型将提供电池性能的详细资料，同时能被用以专注于研究电池设计的特定面向。
Fiorentini解释，这将让研究人员得以“微调并改善电池的所有方面，”包括快速制作新材料的原型并评估其行为，这为加速评估像是可安全储存的能量密度、毒性、耐久性，以及电池行为等需要在较长时间范围内进行量测的电池性能特征带来了可能性。
德国航天中心的研究人员过去曾使用经典电脑建模来研究一系列不同种类的电池，包括锂离子，以及锌薄膜(zinc thin-films)等锂以外的技术。
该中心在与Cambridge Quantum Computing宣布合作案的声明稿中表示，此案也说明了量子计算与机器学习在解决现实世界关键领域问题如能量储存、电池安全性等方面的进展；“这是全球最早结合电池模拟偏微分方程式模型与近代量子计算的研究工作之一。”
Fiorentini表示，双方的合作将有助于加速量子计算由理论性工具朝向运算平台的转型，为像是3D模拟建模等领域提供关键优势；他总结指出，随着量子计算持续演进：“我们需要投入长时间的努力。”
(原文发表于ASPENCORE旗下EDN姐妹媒体EETimes，参考链接：Modeling Battery Designs via Quantum Computers，by George Leopold；编译：Judith Cheng)
责编：Demi
最前沿的电子设计资讯
