IBM 和麻省理工學院 (MIT) 共同成立了 MIT-IBM 運算研究實驗室，這是一個旨在推進人工智慧、演算法和量子運算領域基礎研究的全新聯合研究機構，專注於能夠突破經典系統實際限制的運算方法。該實驗室由 MIT-IBM 沃森人工智慧實驗室（於 2017 年在麻省理工學院校園內成立）發展而來。它反映了技術格局的轉變：人工智慧如今已被廣泛應用，而量子運算也正朝著更具實用性的方向發展。
領導層將新實驗室描述為在建模、演算法和系統設計領域進行更深入合作開發的平台，尤其是在人工智慧和量子運算的交叉領域。麻省理工學院領導階層將這項工作定位為合作夥伴過去十年成果的延續，以及以學術嚴謹性和產業相關性為支持的長期研究機制。
研究方向：人工智慧、演算法、量子計算與混合系統
該實驗室的技術議程以跨多個領域的合作努力為中心。
其中一個主要研究領域是人工智慧和混合計算，探索將經典計算與先進的人工智慧方法相結合，並在適當情況下融入量子計算元素。目標是加強人工智慧能力在生產級運算環境中的集成，重點在於實現切實可行的營運改善。
此外，該實驗室還著重開發小型高效的語言模型架構和新型人工智慧運算範式。這些工作均以企業部署為導向，尤其關注系統的可靠性、透明性和可信度等屬性。這表明，實驗室的關注點不僅在於研究原型，更在於創建能夠滿足實際應用需求的運行系統。
該議程還包括對量子演算法的研究，以及解決材料科學、化學和生物學等領域相關複雜問題所需的數學基礎。同時，也將對下一代計算的數學和演算法基礎進行更廣泛的研究，旨在增進對基礎理論的理解和能力。
該實驗室還重點介紹了涵蓋機器學習理論、最佳化、哈密頓模擬和偏微分方程 (PDE) 的基礎性工作。這些領域通常是大規模動力系統近似的瓶頸，傳統方法在保真度、成本或兩者兼具方面都可能面臨挑戰。雖然列舉了幾個應用實例，但其技術主線是改進模擬和最佳化方法，從而實現更高精度的預測和更有效率的計算流程。
與麻省理工學院的計劃和IBM的量子路線圖保持一致
麻省理工學院指出，實驗室與學院的兩項全院計畫相輔相成：麻省理工學院生成式人工智慧影響聯盟和麻省理工學院量子計畫。 IBM方面則重申了2029年前交付容錯量子電腦的計劃，以及其向以量子為中心的超級運算領域更廣泛的推進，IBM將其描述為將量子系統與高效能運算和人工智慧加速器緊密整合。
實驗室結構與領導力
該實驗室將繼續由麻省理工學院電腦科學與人工智慧實驗室 (CSAIL) 高級研究科學家 Aude Oliva 和 IBM 研究院人工智慧基礎副總裁大衛·考克斯 (David Cox) 共同領導。三個研究方向都已任命了領域負責人：
- 人工智慧：Jacob Andreas（麻省理工學院電子工程與電腦科學系）和 Kenney Ng（IBM 研究院；麻省理工學院-IBM 科學專案經理）
- 演算法：Vinod Vaikuntanathan (MIT EECS) 和 Vasileios Kalantzis (IBM Research)
- 量子力學：Aram Harrow（麻省理工學院物理系）和 Hanhee Paik（IBM；量子演算法中心）
麻省理工學院也指定麻省理工學院施瓦茨曼電腦學院院長丹·胡滕洛赫擔任該實驗室的麻省理工學院聯合主席。
前一次實驗至今的輸出結果
麻省理工學院和IBM將新實驗室定位為在沃森人工智慧實驗室的規模和發表成果基礎上發展而來。自成立以來，雙方的合作已資助了210多個研究項目，涉及150多位麻省理工學院教職員工和200多位IBM研究人員，並發表了1,500多篇同行評審文章。該計畫也資助了500多名學生和博士後研究人員，將人才培育與研究產出並列為持續的成果。
IBM 和 Dallara 宣布將人工智慧和量子探索應用於空氣動力學設計工作流程
在 MIT-IBM 實驗室啟動後的另一份聲明中，IBM 和 Dallara 集團披露了一項合作，重點是將人工智慧應用於基於物理的車輛空氣動力學，並探索量子和混合量子-經典方法，這些方法可以隨著時間的推移補充大量模擬的設計週期。
基於物理的AI作為加速CFD驅動迭代的替代方法
該專案旨在解決賽車運動和高性能車輛開發中一個眾所周知的限制：計算流體動力學 (CFD) 精確但昂貴，迭代幾何探索可能需要數小時才能完成一次掃描，而整個開發流程可能需要數週或數月。
IBM 和 Dallara 公佈了一項基於物理的 AI 方法的初步成果，該方法用於評估一款概念性 LMP2 賽車的多種後擴散器配置。在對比測試中，傳統的 CFD 方法需要幾個小時才能計算出所有配置。相較之下，AI 方法僅需約 10 秒即可完成相同的評估，誤差範圍與 CFD 相當，並且能夠識別出最佳配置。
IBM 將此描述為一種將數百種配置的評估時間從數天壓縮到數分鐘的途徑，從而能夠在設計週期的早期階段進行探索，同時將完整的 CFD 計算用於更深入的驗證和最終優化。該版本還提到了後擴散器角度從 -2 度調整到 +4 度的壓力場建模，並稱 AI 輸出與 CFD 結果高度吻合。
量子和混合方法正在評估中
同時，各團隊表示，他們正在評估量子或混合量子-經典技術在模擬和優化工作流程中的應用前景。近期目標是探索性的：確定哪些工作負載可以與現有的計算流體動力學（CFD）流程互補，並隨著量子系統的成熟，規劃更長遠的應用前景。
研究出版品和模型譜系（arXiv 和 ICLR）
IBM 和 Dallara 將這項工作與近期發表的論文連結起來：
- 初步合作成果已在一份文件中描述。 arXiv預印本，日期為2026年4月20日.
- 這項工作建立在 IBM 的規範不變譜變換器 (GIST) 模型之上，該模型在以下文獻中被引用： 3月17日預印本。
這些公司表示，他們於 2026 年 4 月 26 日在裡約熱內盧舉行的國際學習表徵會議 (ICLR) 上展示了相關進展。
Dallara首席資訊長Fabrizio Arbucci強調了神經代理模型更廣泛的意義，該模型最初在高性能車輛中進行了測試。他強調，空氣動力效率的提升，例如阻力降低1%到2%，可以顯著節省各種交通工具（包括乘用車和飛機）的燃油，使依賴空氣動力學的產業受益。
Amazon