IBMとダラーラ・グループは、物理ベースのAI基盤モデルと量子コンピューティングを高性能車両設計に統合する戦略的提携を発表した。ダラーラ独自の空力データとIBMの計算研究を組み合わせることで、インディカー、フォーミュラ2、IMSAウェザーテック・スポーツカー選手権などのシリーズ向けレーシングシャシーの最適化を加速させることを目指している。この取り組みは、従来の数値流体力学(CFD)への依存を減らすことに焦点を当てている。CFDは高精度ではあるものの、複雑な形状の反復処理には多大な時間と計算資源を必要とする。
この提携の主要な技術的マイルストーンは、IBM Researchが設計したグラフベースのニューラル演算子であるゲージ不変スペクトル変換器(GIST)の開発である。車両メッシュを単純な点群として扱っていた従来のAIサロゲートモデルとは異なり、GISTは車両の接続部分—リンクと表面—の特定のトポロジーをエンコードし、リアディフューザーやフロントウィングなどの複雑な空力コンポーネントの影響を捉える。ル・マン・プロトタイプ2(LMP2)コンセプトでの初期テストにおいて、GISTモデルは最適な設計構成を約10秒で特定した。これは従来、数時間のCFD処理を必要とする作業である。
これらのAIサロゲートが提供する高速化により、エンジニアは数日ではなく数分で数百の設計構成を評価できる。この効率性により、ダラーラは設計探索フェーズを前倒しでき、AIを活用して数千のパターンをふるいにかけてから、最終的な最適化のために高精度CFDや風洞試験を展開できる。即座の時間短縮に加えて、両社はAIモデルが圧力場やせん断応力を含む空力を、従来の物理ベースシミュレーションに著しく近い誤差範囲で予測したと報告している。
IBMとダラーラはまた、複雑な流体力学のシミュレーション精度をさらに向上させるためのハイブリッド量子古典アプローチの研究も開始している。この長期的な研究経路は、最も計算集約的な「多体」物理問題を量子プロセッサにオフロードし、現在到達不可能な気流乱流の詳細レベルを解き明かすことを目指している。当面の焦点はレースカー開発の効率向上にあるが、両社は、これらのツールによって達成される1%から2%の抗力削減が、より広範な商用自動車および航空宇宙分野に適用された場合、大幅な燃費向上につながる可能性があると指摘している。
IBMとダラーラの提携に関する公式発表と、arXivで公開された技術論文「Faster by Design」、およびGIST AIモデルアーキテクチャに関する追加背景情報が入手可能である。
2026年5月2日
