BASF

BASF collabore avec PASQAL pour prédire les modèles météorologiques

La plus grande entreprise chimique du monde utilise des processeurs quantiques Neutral Atom pour des applications de modélisation météorologique

Paris, 20 juillet 2022- PASQAL, le premier fabricant de processeurs quantiques à atomes neutres, a annoncé aujourd’hui une collaboration avec BASF, la plus grande entreprise chimique au monde, pour des applications météorologiques et d’autres applications de dynamique des fluides computationnelle. BASF a commencé à étudier comment les algorithmes quantiques exclusifs de PASQAL pourraient un jour être utilisés pour prédire les modèles météorologiques. Les enseignements tirés de ce projet peuvent servir de base à de futures extensions des méthodes de PASQAL pour soutenir la modélisation du climat.

Les solutions quantiques de PASQAL sont idéales pour simplifier les simulations informatiques complexes de BASF. L'utilisation des processeurs quantiques de PASQAL pour la modélisation météorologique valide la capacité de l'informatique quantique à aller au-delà de ce qui peut être réalisé avec l'informatique classique à haute performance. Cette technologie transformationnelle nous aide à nous préparer aux impacts du changement climatique et à progresser vers un avenir plus durable.
John Manobianco - Modélisateur météo senior | BASF

Les modèles météorologiques basés sur la physique sont très complexes car ils intègrent des données sur les vents, le transfert de chaleur, le rayonnement solaire, l’humidité relative, la topologie du terrain et de nombreux autres paramètres. Les prévisions météorologiques nécessitent donc la résolution d’ensembles complexes d’équations différentielles non linéaires. Selon Hyperion Research, 5 % des investissements mondiaux en informatique de haute performance sont consacrés à la modélisation météorologique. BASF utilise les paramètres générés par les modèles météorologiques pour simuler les rendements des cultures et les stades de croissance, ainsi que pour prévoir la dérive lors de l’application de produits phytosanitaires. Ils constituent également la base du portefeuille de produits d’agriculture numérique de BASF, notamment xarvio FIELD MANAGER, une plateforme avancée d’optimisation des cultures.

 

“Les solutions quantiques de PASQAL sont idéales pour simplifier les simulations informatiques complexes de BASF, une fois que le matériel quantique aura atteint un niveau de maturité tel que nous pourrons réellement exploiter ces algorithmes”, a déclaré John Manobianco, modélisateur météorologique principal à la division Agricultural Solutions de BASF. “L’exploitation de l’innovation de PASQAL pour la modélisation météorologique valide la capacité de l’informatique quantique à aller au-delà de ce qui peut être réalisé avec l’informatique haute performance classique. Une telle technologie transformationnelle peut nous aider à nous préparer aux impacts du changement climatique et à progresser vers un avenir plus durable.”

 

PASQAL vise à résoudre les équations différentielles non linéaires complexes sous-jacentes d’une manière nouvelle et plus efficace en mettant en œuvre des réseaux neuronaux quantiques sur ses processeurs quantiques à atomes neutres. L’équivalent classique de cette approche est le réseau neutre informé de la physique (PINN), qui est largement utilisé par les principaux scientifiques et sociétés technologiques dans la modélisation météorologique et climatique. Par exemple, NVIDIA a récemment annoncé son nouveau supercalculateur Earth-2 AI pour les prévisions climatiques, qui s’appuie sur les PINN.

 

“Nous sommes honorés d’avoir été choisis par BASF, un leader mondial de l’industrie chimique, pour améliorer la modélisation météorologique grâce à notre technologie quantique”, a déclaré Georges-Olivier Reymond, PDG de PASQAL, “Avec le changement climatique, nous observons des phénomènes météorologiques plus extrêmes, ce qui rend les prévisions météorologiques précises et opportunes de plus en plus importantes pour les entreprises et la société. Unir nos forces avec un acteur important comme BASF est un pas en avant pour apprendre comment l’informatique quantique peut aider à surveiller et à atténuer les pires effets du changement climatique mondial.”

Proposant une large gamme de solutions quantiques dans différents secteurs, PASQAL compte parmi ses clients Johnson & Johnson, LG, Airbus, BMW Group, EDF, Thales, MBDA et Crédit Agricole CIB.

 

Pour en savoir plus sur PASQAL, veuillez consulter le site :www.pasqal.com.

 

À propos de Pasqal

 

Pasqal construit des ordinateurs quantiques à partir d’atomes neutres ordonnés en réseaux 2D et 3D dans le but d’apporter un avantage quantique pratique à ses clients pour résoudre des problèmes du monde réel, en particulier dans le domaine de la simulation et de l’optimisation quantiques. Pasqal a été fondée en 2019 par Georges-Olivier Reymond, Christophe Jurczak, le professeur Alain Aspect, Antoine Browaeys et Thierry Lahaye. Basée à Palaiseau et Massy, au sud de Paris, Pasqal a obtenu plus de 40 millions d’euros de financement combinant fonds propres et non dilutifs auprès de Quantonation, du Fonds d’innovation de la Défense, de Runa Capital, de BPI France, d’ENI et de Daphni.

 

Site web:www.pasqal.com
Twitter :
 @pasqalio
LinkedIn :www.linkedin.com/company/pasqal/

 

À propos de BASF

 

Chez BASF, nous créons une chimie pour un avenir durable. Nous combinons la réussite économique avec la protection de l’environnement et la responsabilité sociale. Environ 111 000 employés du groupe BASF contribuent au succès de nos clients dans presque tous les secteurs et presque tous les pays du monde. Notre portefeuille comprend six segments : Produits chimiques, Matériaux, Solutions industrielles, Technologies de surface, Nutrition et soins et Solutions agricoles. BASF a réalisé un chiffre d’affaires de 78,6 milliards d’euros en 2021. Les actions de BASF sont négociées à la bourse de Francfort (BAS) et sous forme de certificats américains d’actions étrangères (BASFY) aux États-Unis. Pour plus d’informations, consultez lesite www.basf.com.