Искусственный интеллект предсказывает успех экспериментов по термоядерному синтезу

Процесс прогнозирования изменчивости предложенного эксперимента. Автор: Science (2025). DOI: 10.1126/science.adm8201

Практическое использование термоядерной энергии, способной обеспечить дешёвую и чистую электроэнергию, может стать на шаг ближе благодаря искусственному интеллекту. Учёные из Ливерморской национальной лаборатории имени Лоуренса разработали модель глубокого обучения, которая точно предсказала результаты эксперимента по ядерному синтезу, проведённого в 2022 году. Точные прогнозы могут помочь ускорить разработку новых экспериментов и приблизить поиск этого практически неисчерпаемого источника энергии.

В статье, опубликованной в журнале Science, исследователи описывают, как их модель ИИ предсказала с вероятностью 74%, что зажигание (воспламенение) станет вероятным результатом небольшого эксперимента по синтезу 2022 года в Национальном комплексе зажигания (NIF). Это значительный прогресс, поскольку модель смогла охватить больше параметров с большей точностью, чем традиционные суперкомпьютеры.

В настоящее время ядерная энергия производится за счёт ядерного деления, которое генерирует энергию путём расщепления атомов. Однако этот процесс может производить радиоактивные отходы, которые остаются опасными в течение тысяч лет. Синтез генерирует энергию путём слияния атомов, подобно тому, что происходит внутри Солнца. Этот процесс безопаснее и не производит долгосрочных радиоактивных отходов. Хотя это многообещающий источник энергии, до коммерчески жизнеспособной технологии ещё далеко.

Для достижения синтеза учёным необходимо постоянно разрабатывать и проводить дорогостоящие и сложные эксперименты. Однако традиционное суперкомпьютерное моделирование не может предсказать всю задействованную физику и с трудом прогнозирует результаты новых, непроверенных конструкций. Именно здесь ИИ потенциально может изменить правила игры.

Для разработки своей модели учёные создали набор данных из более чем 150 000 компьютерных симуляций. Можно представить это как огромную библиотеку виртуальных экспериментов. Затем они обучили глубокие нейронные сети извлекать уроки из этой библиотеки, что позволило им быстро предсказывать результаты, которые дали бы полномасштабные симуляции. Чтобы сделать прогнозы более точными, команда использовала статистический метод, называемый байесовским выводом, для объединения результатов моделирования с данными реальных экспериментов.

«Наша прогностическая модель объединяет данные и сложные физические симуляции для прогнозирования производительности ICF (инерциального управляемого синтеза) при экстраполяции на экспериментально не проверенные режимы», — написали учёные в своей исследовательской работе.

Поиск термоядерной энергии продолжается десятилетиями, и никто не знает, когда она станет реальностью. Поэтому любой инструмент, способный ускорить этот процесс, желанен. Позволяя исследователям быстро и точно заранее тестировать свои экспериментальные конструкции, эта модель ИИ может сэкономить значительное время и средства на исследования, приближая мир к будущему, работающему на чистой, неограниченной энергии.

Больше информации: Брайан К. Спирс и др., Предсказание зажигания синтеза в Национальном комплексе зажигания с помощью глубокого обучения с учётом физики, Science (2025). DOI: 10.1126/science.adm8201