美國的科學家最近利用人工智能（AI）成功預測了一項核融合實驗的結果，準確率超過了 70%。這項研究由洛倫斯利物浦國家實驗室（LLNL）的科學家進行，他們使用深度學習模型來預測在國家點火設施（National Ignition Facility）進行的一項慣性約束融合實驗的結果。AI 模型預測該核融合實驗成功的概率為 74%，而該預測最終被證實是正確的。參與這項研究的科學家表示，該模型在預測成功方面的表現超過了其他超級計算方法，因為它涵蓋了更多的參數。
核融合是一個複雜的過程，目前的核電廠主要依賴核裂變來發電和提供熱能。核裂變是將重核分裂成較輕的核，而核融合則是將輕核結合成重核。儘管核融合目前仍主要處於實驗階段，但它被認為在產生能量的效率上要高於核裂變。國際原子能機構（IAEA）指出，核融合每公斤燃料可產生的能量是核裂變的四倍，並且幾乎是燃燒石油或煤炭的四百萬倍。更重要的是，核融合不會產生放射性副產品，因此將成為全球更清潔的能源來源。
慣性約束融合實驗使用強大的激光來誘導核融合並產生能量。這是一個複雜的設置，通常需要進行計算機模擬以進行優化。這些模擬往往依賴手動調整，這限制了預測能力。因此，研究小組建立了一個生成式機器學習模型，該模型通過物理學知識來預測初始點火射擊和隨後相同設計實驗的統計數據。2022 年 12 月，LLNL 的國家點火設施成功進行了第一次科學能量平衡，這意味著它從核融合中產生的能量超過了用於驅動該過程的激光能量。
在 LLNL 的 NIF 設施中，慣性約束融合是通過將 192 條強大的激光束對準一個裝滿重氫和氚的小型燃料膠囊來啟動的，在極端的壓力和熱下觸發鏈反應。這將導致一系列反應，最終應該產生比激光消耗的能量更多的能量。NIF 每年只能進行幾十次這樣的點火嘗試，因此優化這些實驗以獲得最大效益是絕對必要的。該 AI 模型是在先前收集的數據、物理模擬和主題數據上訓練的，數據被上傳到超級計算機並進行了長時間的統計分析。
參與該項目的科學家 Kelli D Humbird 在接受 Gizmodo 訪問時表示，該 AI 模型使他們能夠事先確定實驗設計的效率。根據 Humbird 的說法，該模型成功複製了真實實驗中的不完美之處，以提供準確的預測。研究團隊在 NIF 的 2022 年核融合實驗中測試了該模型，顯示該實驗很可能會導致成功的結果。因此，這個深度學習模型將能幫助 NIF 開發更好的實驗設計，為未來的核融合能源成功鋪平道路。本月早些時候，LLNL 在全球兩台最強大的超級計算機上部署了 AI 代理，旨在自動化和加速慣性約束融合實驗的目標設計。這項研究的摘要顯示，在國家點火設施進行的慣性約束融合實驗中，通過產生超過驅動實驗的激光能量的融合能量，成功實現了點火。在實驗之前，生成式機器學習模型結合了輻射流體動力學模擬、深度學習、實驗數據和貝葉斯統計，預測點火是這次射擊最可能的結果，概率超過 70%。
