人工智能助力核聚变开发，加速材料筛选

钱伯章 2026-05-15

2026 年 5 月 13 日消息，人工智能被用于解决自身能源问题，适合核聚变开发。如 DuctGPT 将发现适合核聚变合金的时间从数月缩至数小时，Diag2Diag 监测等离子体，英国将运行超级计算机加速虚拟测试，推动核聚变研究。

DuctGPT通过利用人工智能对材料在极端反应堆温度下的耐受性进行建模，将发现适合核聚变的合金所需的时间从数月缩短至数小时。

人工智能的需求正在推动前所未有的能源消耗，迫使对像核聚变这样的基载能源来源的研究，以支持数据中心的基础设施。

像Diag2Diag这样的工具用于监测等离子体的稳定性，而英国价值4500万英镑的超级计算机“曙光”将于2026年6月开始运行，以加速核聚变实验的虚拟测试。

研究人员越来越多地利用人工智能来帮助他们解决能源领域面临的最大挑战——包括，说起来有点讽刺的是，大型语言模型本身造成的巨大能源需求激增。

人工智能数据中心当前和预计的能源需求增长正在推动对下一代能源替代方案的投资，这些方案能够在不排放大量温室气体的情况下产生大量基载电力。其中一种有望成为“万灵药”的技术便是核聚变。近年来，这项技术在实验室中的应用取得了重大进展，这在一定程度上要归功于人工智能工具。

为此，位于美国爱荷华州艾姆斯的艾姆斯国家实验室的科学家们正在开发一款专门用于模拟不同材料在核聚变过程中表现的AI工具，以改进研究方法，并使科研过程以及核聚变系统更加高效。这款名为“DuctGPT”的工具是基于之前由美国国家标准与技术研究院开发的名为“AtomGPT”的模型改编而来。Duct版本采用了大规模语言模型与物理模型相结合的方法，以找到适合核聚变反应堆恶劣环境的材料。

核聚变是太阳的能量来源过程，它需要极高的温度，而大多数材料都无法承受这样的高温。除了能够承受数千度、数百万度甚至数亿度的高温之外，这些材料还需要保持足够的延展性以用于制造。找到合适的材料是实现商业核聚变的一大障碍，而对于能够破解这一难题的科研团队来说，这则是一个重大的机遇，能释放出几乎无限的清洁能源。找到合适的材料将需要对大量可能的合金成分进行探索和模拟。

这正是大型语言模型所擅长处理的类型项目。《金融时报》2025年在一篇探讨“人工智能如何能比自身消耗的能量还要多地节约能源”的文章中提到：“寻找能够更高效地生产物质的新材料、催化剂或工艺，这正是‘大海捞针’般棘手的问题，而人工智能恰好在这方面表现得最为出色。”

这款新的人工智能工具已经在核聚变研究这一新兴领域展现出巨大的潜力。DuctGPT 团队表示，用于核聚变实验的新合金的研发所需时间已从数月缩短至仅需数小时。现在当你问它：‘我想设计一种用于核聚变的材料，它必须具备用于核聚变反应堆所必需的所有 x、y、z 特性，告诉我满足这些条件的元素组合’，它会给出满足这些条件的元素组合及其特性。

艾姆斯实验室科学家说道，虽然DuctGPT是人工智能研究领域中大型语言模型应用的最新且最具前景的成果之一，但它绝非唯一的此类应用。一款名为 Diag2Diag 的新型人工智能工具正被用于协助监测和控制聚变实验中的等离子体，其目的是避免所谓的边缘局部化模式（ELM）。

ELM是一种不稳定状态，会迅速破坏等离子体周围的材料，给像欧洲的ITER和中国的EAST这样规模庞大且成本高昂的等离子体实验带来重大问题。

与此同时，在英国，政府将投入4500万英镑（约合6000万美元），在位于奥克塞郡的英国原子能管理局库勒姆园区建造一台人工智能超级计算机。

据《有趣工程》的一篇报道所述：这台机器将帮助科学家更好地理解聚变反应堆中复杂的物理现象。通过将先进的计算与人工智能模型相结合，这台超级计算机能够让研究人员在构建昂贵的实验系统之前先在虚拟环境中测试各种想法。

这些工具共同作用之下，将极大地推动核聚变研究领域的发展，而且时机恰到好处。投资于未经证实的技术或许存在风险，但核聚变距离现实已经越来越近了，而且随着该领域的竞争愈发激烈以及大型科技公司纷纷加入，突破性进展也在不断涌现。

本文系“流程工业”首发，未经授权不得转载。责任编辑：胡静，审核人：李峥