科學家近日公佈了一款新型的人工智能驅動工具，該工具有望顯著加快實用核聚變能源的實現進程。這款名為 GyroSwin 的系統由英國原子能機構（UKAEA）、約翰·開普勒大學（JKU）以及 Emmi AI 的研究人員共同開發。該系統能夠在幾秒內模擬複雜的核聚變等離子體行為，而傳統方法則需耗時數天。官方新聞稿形容這項發展就如同「在罐子裡模擬一顆星星」。透過以傳統方法的 1,000 倍速度模擬等離子體湍流，該工具克服了核聚變研究中的一大瓶頸。根據團隊的說法，準確的等離子體模擬對於設計未來的核聚變電廠至關重要，而結合人工智能與超級計算機可以以更低的成本提供更快的結果。
核聚變能源作為一種清潔、幾乎無限的能量來源，其實現需要控制被加熱至比太陽更高溫度的等離子體。強大的磁場必須約束這種超高溫等離子體，而其中一個最大的挑戰是管理等離子體內的湍流，因為湍流可能導致能量損失。準確模擬這種湍流對於使核聚變電廠可行至關重要。等離子體科學家通常依賴基於五維（5D）回旋運動學的高級數值模擬。這些模型追蹤三個空間維度的等離子體行為，外加兩個描述粒子在磁場平行和垂直運動的維度。雖然這種模擬的準確性極高，但卻需要巨大的計算資源，並依賴全球最強大的超級計算機。因此，傳統的等離子體模擬往往需要數小時甚至數天才能完成，這使得研究進展緩慢並提高了成本。
GyroSwin 的新型人工智能方法正在改變這種情況。GyroSwin 並不是逐步計算等離子體行為，而是使用機器學習來學習 5D 等離子體模擬的基本動態。一旦訓練完成，這些替代模型能夠在幾秒內生成準確的結果。這一驚人的速度提升使得對等離子體湍流的預測更快且更靈活，幫助研究人員優化核聚變機器設計。研究人員強調，隨著設計和運營未來核聚變電廠所需的模擬數量達到數百萬次，減少運行時間同時保持準確性對於將核聚變能源引入電網至關重要。
處理五維等離子體數據對於人工智能替代模型來說一直是一項挑戰，但 GyroSwin 則成功突破了這一難題，並在現有人工智能方法的基礎上取得了更好的性能。根據團隊的說法，其優勢在於保留了核聚變等離子體的基本物理特徵，包括湍流波動的尺度以及有助於抑制湍流的剪切等離子體流動。保留這些特徵對於確保人工智能驅動的模擬在物理上仍然具有意義並可被科學家解釋至關重要。JKU 的教授、Emmi AI 的共同創始人及首席科學家 Johannes Brandstetter 在一份聲明中表示：「我們熱愛科學挑戰，建立能加速 5D 回旋運動學模擬的人工智能模型無疑是其中最艱巨的挑戰之一。我們為在這次偉大的合作中取得的成就感到自豪，但我們知道這僅僅是開始。」
英國原子能機構目前正在探索 GyroSwin 的能力如何應用於下一代核聚變項目，包括英國的球形托卡馬克能源生產計劃（STEP）。優化此類電廠的等離子體場景預計將需要數百萬次模擬，特別是在考慮不確定性及日益複雜的物理情況時。隨著模擬變得越來越詳細，其計算成本會急劇上升，使得快速建模工具變得至關重要。
