AI 核聚变，能源革命正加速进入关键机遇期

每天与你一起

近年来，随着人工智能（AI）技术的飞速发展，核聚变研究与商业化进程带来了前所未有的机遇，国内外科研机构与企业目前已在材料筛选、等离子体控制、等离子体预测等方面取得阶段性成果。

一、国内外科研院所实现技术突破

凭借长期积累的核聚变科研能力，国内外科研机构（包含高校和实验室）在AI赋能核聚变已率先取得突破。

1.AI+材料筛选

2024年8月，美国橡树岭国家实验室（ORNL）科学家宣布成功构建了一个用于发现核聚变设施新型合金的人工智能模型，有望助力聚变堆性能和安全性实现大幅提升。研究人员首先成功识别出3种元素作为新型合金候选材料，并通过两台超级计算机Perlmutter和Summit进行了为期一年多的密集计算，生成了海量数据，旨在找出能够承受核聚变反应堆极端条件的合金材料。

2024年10月，美国德克萨斯农工大学（TAMU）科研人员利用Birdshot AI工具，每天可以模拟筛选出数百种第一壁材料，进而借助实验设施合成和测试最有希望的候选材料。如果成功，核聚变装置的第一壁使用寿命有望延长10倍。

2.AI+等离子体控制

2022年，瑞士等离子体中心（SPC）联合Google DeepMind，开发了一个用于核聚变研究的人工智能深度强化学习系统，并成功实现了对托卡马克内部核聚变等离子体的控制。2023年，双方再次宣布取得新的突破：不仅通过实验模拟将等离子体形状的精度提高了65%，还使得训练时间大幅度减少。

2024年6月，美国普林斯顿等离子体物理实验室（PPPL）的科研团队宣布成功地应用AI技术来有效控制等离子体边缘不稳定性，同时确保等离子体的性能不受影响。将原本需要数十秒的计算时间缩短至毫秒级，这为实时优化提供了可能。这种AI学习模型还能够实时监控等离子体状态，并根据实时数据调整磁场扰动的幅度和形状。

3.AI+等离子体预测

2024年2月，美国普林斯顿大学和普林斯顿等离子体物理实验室的研究人员研发出一个人工智能模型，能够实时预测被称为“撕裂模不稳定性”的聚变堆等离子体不稳定性。研究人员使用美国DIII-D国家聚变设施的实验数据来训练这一模型。结果表明，该模型可以提前300毫秒预测撕裂模不稳定性，时间足以供人工智能控制器调整聚变堆运行参数，确保等离子体运行的稳定性。

2024年9月，中科院等离子体所科研团队基于EAST装置上的X射线晶体谱仪（XCS）获得等离子体光谱数据，并利用人工神经网络模型（DNN、CNN）实现了等离子体旋转速度和离子温度剖面的快速预测。据悉，团队所开发的神经网络模型的计算速度显著提高，超过传统方法计算速度的10倍以上。此外，模型还具备对输入数据范围和误差的自动识别能力，为提升诊断系统的智能化水平奠定了基础。

2025年3月，日本量子科学技术研究开发机构（QST）与日本电信电话株式会社（NTT）也宣布成功开发出全球首个利用AI预测等离子体约束磁场的技术，能够实现无需使用物理定律即可从测量信号中直接预测约束磁场，并且在电流波动等非稳态环境下仍保持高精度。

二、商业聚变公司布局

除了科研机构正在研究“AI+核聚变”外，商业公司也同样有所布局：

今年4月21-23日，第四届“受控核聚变与人工智能技术学术会议”在河北成功举办。此次会议由中国核学会指导、中国核学会核聚变与等离子体物理分会主办、新奥集团承办。逾200位专家学者和科研精英共同围绕人工智能技术在核聚变装置运行控制、工程技术、数据分析等关键环节的赋能潜力展开深入探讨。

作为国内最早布局核聚变的民营企业，新奥在2024年制定了3个层次的聚变人工智能实施策略，并在2025年进一步优化为“5+N”实施方案。现阶段的成果包括但不限于：

• 在等离子体破裂预测方面，建立数据库并上线模型，召回率达83.3%，误报率5.3%，可提前30ms进行预测；

• 利用中性束调优应用机器学习算法，预测打火准确率超90%。

此外，新奥还利用AI开展了诊断集成分析和平衡设计等项目，同时还与北京大学、南开大学等高校进行战略合作，成立聚变智能联合实验室，开展聚变物理与人工智能学科交叉研究。首批与南开大学合作启动的项目，就包括了“玄龙-50U”系统的数据异常检测、诊断系统优化、等离子体平衡位形代理模型研究与等离子体位形控制等内容。

未来，随着人工智能技术不断融合赋能，核聚变商业化进程也将加速推进，全球能源结构转型有望提前实现。

参考资料：

• https://www.ornl.gov/news/researchers-build-ai-model-database-find-new-alloys-nuclear-fusion-facilities

• https://interestingengineering.com/energy/us-tamu-ai-find-first-wall-material-nuclear-fusion-plant

• https://scitechdaily.com/swiss-plasma-center-and-deepmind-use-ai-to-control-plasmas-for-nuclear-fusion/
• https://www.pppl.gov/news/2024/ai-approach-elevates-plasma-performance-and-stability-across-fusion-devices

• https://www.nature.com/articles/s41586-024-07024-9

  https://hf.cas.cn/kxyj/kyjz/202409/t20240924_7379608.html
• https://www.qst.go.jp/site/press/20250317.html
• http://www.ennresearch.com/News/2025/0424/825.html
• https://news.nankai.edu.cn/ywsd/system/2025/04/24/030066703.shtml