美國 Ames 國家實驗室擴展 DuctGPT 工具 預測核融合材料性能

Ames National Laboratory 的科學家現正擴展一款全新人工智能工具，以改善對核融合能源系統運作期間材料行為的預測。這項擴展工作涉及整合新數據和模型，更好理解材料在高溫、輻射和機械應力下的性能表現。該項目獲 ARPA-E CHADWICK 計劃及實驗室投資支持，並與能源部 Genesis 使命一致，旨在加速先進材料在能源技術中的發現和部署。

該工具名為 DuctGPT，結合人工智能與基於物理的建模，協助研究人員識別適合核融合反應器內部的材料特性。「現在當你問它，『我想設計一款用於核融合反應器的材料，具備所有 x、y、z 關鍵屬性』，『告訴我滿足條件的元素組合』，它就會提供那些具備相關屬性的元素組合，」Ames Lab 科學家 Prashant Singh 表示。

探索潛在合金成分

該領域的一大挑戰，是需探索廣泛潛在合金成分，這些成分須在高溫下保持強度，同時保留製造所需的延展性。項目由 Ames Lab 科學家 Prashant Singh 領導，展示人工智能工具如何協助尋找能應對極端環境條件的材料。研究團隊透過修改美國國家標準與技術研究院開發的現有模型 AtomGPT，開發 DuctGPT。他們使用已建立的材料科學數據微調此模型，使其適用於核融合系統。

DuctGPT 可在數秒內分析大量元素組合，並具備對話介面，讓研究人員以標準文字提出問題並定義特定參數。研究人員可要求工具設計具特定屬性的核融合材料，人工智能便會提供滿足條件的元素組合。 特別關注的材料之一為鎢，它能有效承受高熱，冷卻期相對較短，且核融合暴露後的放射性持續時間比其他材料短。「鎢的主要限制是低溫拉伸延展性不足，令其難以塑形成複雜形狀，」Singh 總結道。

「透過 DuctGPT，我們現在可在所需空間內查詢成分，例如鎢-鈦-鋯-鉿，以識別維持鎢強度和高熔點、同時改善延展性的合金。」目標是找出維持鎢高熔點、同時提升其實用延展性的合金。這些材料查詢可在標準桌面電腦上進行，無需昂貴超級電腦計算。此便利性將材料發現時間從數月縮短至數天或數小時。Ames Lab 已證明可透過預測建模設計具延展性的耐火合金。實驗室亦具備資源合成和測試這些預測材料，確認其展現核融合應用所需屬性。