人工智能新模型精准预测聚变实验成败，加速清洁能源突破

人工智能正为实现可控核聚变能源迈出关键一步。美国劳伦斯利弗莫尔国家实验室的科学家开发出一种深度学习模型，成功预测了2022年一次核聚变实验的结果，准确率高达74%，显著提升了聚变实验设计的效率。 该研究成果发表于《科学》杂志。模型预测显示，当时在国家点火装置（NIF）进行的一次小型聚变实验极有可能实现“点火”——即聚变反应释放的能量超过输入能量。这一成果意义重大，因为传统超级计算机难以全面模拟聚变过程中复杂的物理现象，尤其在面对全新实验设计时，预测能力有限。 为训练AI模型，研究人员构建了一个包含超过15万次计算机模拟的大型数据集，相当于一个“虚拟实验图书馆”。通过深度神经网络学习这些模拟数据，模型能够快速预判复杂实验的可能结果，而无需耗费大量计算资源进行完整仿真。为提高准确性，团队还结合了贝叶斯推断方法，将模拟数据与真实实验结果融合，使预测更贴近实际。 核聚变通过融合原子释放能量，原理与太阳内部相同，具有清洁、安全、燃料丰富等优势，且不产生长期放射性废物。相比目前广泛应用的核裂变技术，聚变被视为未来理想能源的候选之一。然而，实现可控聚变仍面临巨大挑战，实验成本高昂，设计周期漫长。 该AI模型的出现，有望大幅缩短实验设计与验证周期，帮助科学家在真实实验前快速筛选高潜力方案，节省时间与经费。尽管聚变能源商业化仍需多年努力，但此类AI工具正成为加速研发进程的关键推手，为人类迈向清洁、无限能源的未来带来新希望。