美国家实验室借助AI“认知模拟”成功预测核聚变点火

原文发布时间

2025年8月21日

LLNL used AI to predict historic fusion ignition shot

本文文转载自劳伦斯利弗莫尔国家实验室

（封面图源：坦尼娅・基哈尔沃 / 劳伦斯利弗莫尔国家实验室）

劳伦斯利弗莫尔国家实验室（LLNL）的研究人员在《科学》（Science）杂志发表的一篇论文中详细介绍，他们采用物理知情深度学习与认知模拟框架，对 2022 年 12 月 5 日那场具有历史性意义的核聚变点火实验能否成功进行了预测，结果显示该实验突破能量收支平衡点（即核聚变反应产生的能量超过驱动反应所用激光能量）的概率超过 70%。

《科学》杂志上的一项新研究显示，劳伦斯利弗莫尔国家实验室（LLNL）的研究人员在 2022 年那场具有里程碑意义的核聚变点火实验开展数天前，就运用人工智能驱动模型对点火结果进行了预测。

研究人员在论文中详细阐述了他们如何运用物理信息深度学习和“认知模拟”（简称 CogSim）框架，对 2022 年 12 月 5 日在劳伦斯利弗莫尔国家实验室国家点火设施（NIF）开展的核聚变实验能否成功进行预测。该模型预测，此次实验突破能量收支平衡点——即核聚变反应产生的能量超过驱动反应所用激光能量——的概率超过 70%。

“这并非侥幸猜测，” 劳伦斯利弗莫尔国家实验室人工智能创新孵化器主任、该论文第一作者布莱恩・斯皮尔斯表示，“我们采用严谨的数据驱动型人工智能框架，在实验开展前就对点火概率进行了量化分析。该模型首次预测出我们实现点火的概率大于失败概率，这是一种全新的科学研究方式。”

该模型是劳伦斯利弗莫尔国家实验室不断完善的 CogSim 工具包的组成部分，该工具包将人工智能与高性能计算相融合。这款机器学习（ML）模型在劳伦斯利弗莫尔国家实验室的“塞拉”（Sierra）超级计算机上开发而成，其训练数据涵盖 15 万多次高保真模拟数据，以及多年来在国家点火设施开展的类似氘氚（DT）聚变内爆实验所积累的实验数据。

该模型能对核聚变性能进行概率预测，并提供置信区间，同时还能量化核聚变性能的预期变异性。针对经过改进、最终成功实现点火的 2.05 兆焦耳（MJ）设计方案（编号 N221204），该模型对其中子产额分布进行了预测。结果显示，该方案的点火概率为 74%，远高于以往设计方案，且实验结果处于预测的产额范围内。

这项研究是在劳伦斯利弗莫尔国家实验室长期推进的“科学认知模拟”（CogSim for Science）项目基础上开展的，该项目旨在将机器学习、基于物理的建模与高性能计算相融合。认知模拟方法在核聚变领域得以推广的关键在于 “替代模型”的运用——这种深度神经网络可模拟劳伦斯利弗莫尔国家实验室的辐射流体动力学代码 HYDRA，但运行速度要快好几个数量级。

该预测框架的工作原理是：对国家点火设施内爆实验中每次实验之间的变异性进行建模（包括激光精度、靶丸缺陷以及激光驱动的不对称性等因素），并通过 HYDRA 替代模型传递这些不确定性。最终得出的预测结果分布能让研究人员更清晰地权衡实验的风险与收益。

斯皮尔斯表示：“这种能力极具价值，它不仅能预测实验性能，还能为实验决策提供指导。这是我们向科学认知模拟方向大力推进的重要一环——在这一体系中，数据、模型与机器学习协同作用，为人类的判断提供支持。”

研究团队采用了迁移学习方法，仅通过 57 次新模拟就对基于以往实验设计的神经网络进行了调整，而 57 次模拟的数量仅为通常所需模拟次数的一小部分。研究人员称，这一方法使得在数天内快速得出预测结果成为可能，对于规划复杂且高风险的实验而言，这是一项关键优势。

研究团队表示，这种方法在后续的核聚变实验中已印证了其价值。采用相同设计方案开展的重复实验，其结果均处于该模型预测的变异性范围内，这为该方法的有效性提供了重要验证。目前，这种建模能力已整合到劳伦斯利弗莫尔国家实验室标准的核聚变实验规划流程中，它不仅能帮助研究人员更好地分析过往实验成功的原因，还能为未来的研究方向提供数据驱动的参考依据。

（ 劳伦斯利弗莫尔国家实验室 ，图片来源： LLNL 官网 ）

亨伯德说：“自（实现核聚变点火）以来，我们已在国家点火设施开展的多项氘氚实验中对该模型进行了测试。我们正将从该项目中获得的经验应用于实验设计，明确致力于研发高产额、低变异性的实验方案。对于那些可能存在外部实验要求的情况——即产额需落在特定范围内才能确保实验成功的情况——该模型将发挥尤为重要的作用。”

展望未来，研究人员表示，该模型为评估拟议核聚变设计方案的稳健性提供了新途径，并可能为未来旨在提升实验性能的研究提供指导。尽管这种方法是专门为惯性约束聚变（ICF）设计的，但研究团队指出，其更广泛的框架——融合高保真模拟、实验数据与人工智能——或许可应用于其他复杂系统（即数据有限且实验成本高昂的系统）。不过，要将这种方法推广到核聚变领域之外，还需开展更多研究。

这项研究得到了美国国家核安全局的资金支持。论文合著者包括劳伦斯利弗莫尔国家实验室的科学家斯科特・布兰登、丹・凯西、约翰・菲尔德、吉姆・加夫尼、安德里亚・克里彻、迈克尔・克鲁斯、尤金・库尔、博格丹・库斯托夫斯基、史蒂夫・兰格、戴夫・芒罗、瑞安・诺拉、卢克・彼得森、戴夫・施洛斯伯格、保罗・斯普林格以及亚历克斯・齐尔斯特拉。

（以上为译文，想了解更多详情，请点击下方 “阅读全文” ，或扫码登录 "知识星球" ，关注 “先进防务” ，阅读或下载报告全文。）

往期推荐

美将于今年部署全球规模最大、仿真度最高的电子战测试

系统透视俄军事变革：根据俄乌战争教训，构想未来战争

美军研究认为，光纤无人机将对现有的反无人机体系，造成重大威胁

先进防务·知识星球

登录 “先进防务” 知识星球

一站式获取国际防务信息

现在扫码加入， 享 超值优惠价 50元/年 （ 可开发票 ）

先进防务·开源信息系统