AI精准预测核聚变成败：科学家实现突破性进展

科学家们利用人工智能显著提升了核聚变实验的成功预测能力，这一突破已在顶级期刊《科学》上发表。美国劳伦斯利弗莫尔国家实验室（LLNL）的研究团队开发出一种深度学习模型，成功预测了2022年国家点火装置（NIF）一次关键聚变实验的结果，准确率高达74%。这一成果远超传统超级计算机模拟方法，不仅覆盖更多物理参数，还具备更高的预测精度。 核聚变被视为未来清洁能源的理想来源，它通过融合轻氢原子释放巨大能量，且不产生长寿命放射性废物。然而，实现可控核聚变仍面临巨大挑战。NIF采用激光驱动方式：高能激光照射金制空腔（hohlraum），产生X射线压缩含氘和氚的燃料靶丸，引发聚变反应。理想情况下，输出能量应超过输入激光能量，即实现“点火”。 但传统计算机模拟受限于简化模型和计算成本，往往无法全面捕捉复杂物理过程，且每次模拟需耗时数天。研究负责人凯莉·亨比德形容，现有模拟如同一张“不完美的地图”，难以准确指引通往聚变“峰顶”的路径。而每次实验尝试成本高昂，NIF每年仅能进行约二十次点火实验，资源极为有限。 为突破瓶颈，亨比德团队整合了历史实验数据、高保真物理模拟与专家经验，构建了全面数据集，并在超级计算机上运行超过3000万CPU小时的统计分析。模型最终能识别出影响聚变失败的多种因素，如激光不对称、靶丸缺陷或不可预测的物理扰动。 该模型可提前评估实验设计的可行性，大幅节省时间与经费。在回溯分析2022年实验时，模型成功预判了结果。随着对物理机制的不断优化，预测准确率从50%提升至70%。其优势在于不回避现实中的误差与不完美，反而将其纳入学习范围。 亨比德强调，尽管聚变研究已持续数十年，但每一次进展都弥足珍贵。从最初仅产出10千焦能量，到如今突破1兆焦，已是巨大飞跃。AI的加入，正为人类迈向清洁、可持续能源的未来提供关键助力。