核融合：「歐洲」人工智慧將運算時間從幾天縮短到幾秒鐘。無限能源的夢想是否即將實現？

核融合有點像地平線：幾十年來，我們每次試圖觸及它，它似乎都在後退。然而，英國和奧地利研究人員合作取得的一項最新技術進展，或許能為我們提供一張速度更快的地圖，即便它不能讓我們擁有更快的跑鞋。

一種名為GyroSwin的新型人工智慧模型有望徹底改變我們模擬聚變反應器內等離子體行為的方式，將以往需要世界上最強大的超級電腦耗時數天才能完成的計算，縮短至幾秒鐘即可完成。這消息如此令人振奮，甚至連《泰晤士報》都進行了報導。

從理論上講，核融合的原理簡單易懂，令人著迷：將原子核融合在一起，釋放出巨大的能量，就像恆星內部發生的那樣。結果是，無需碳排放、無需像核分裂那樣產生壽命較長的放射性廢物，也無需承擔失控鍊式反應的風險，就能產生電力。

然而，這種做法在工程上卻極為困難。要實現聚變，等離子體必須加熱到約1億攝氏度，並長時間保持穩定。由於沒有任何固體容器能夠承受如此高的溫度，因此需要使用被稱為託卡馬克裝置的環形裝置，並在其中施加強大的磁場。

問題在於等離子體是「躁動不安的」。它會波動、扭曲，並變得湍流，導致熱量逸出。如果逸出的能量過多，反應就會停止。預測這種湍流需要複雜的模擬，追蹤等離子體在五個維度上的運動。到目前為止，一次詳細的模擬就可能讓超級電腦耗費數天時間。

ITER 來源的託卡馬克結構圖

英國原子能管理局（UKAEA ） 、林茨約翰內斯·開普勒大學和奧地利衍生公司Emmi AI共同開發的創新技術正是在此發揮作用。 GyroSwin是一種基於機器學習的「代理模型」。

人工智慧無需每次都從頭計算每一個物理相互作用，而是利用龐大的、昂貴且精細的傳統模擬庫進行訓練。它「學習」了輸入與結果之間的關聯模式，從而能夠以驚人的速度預測新情況下等離子體的行為。

以下是流程方面的主要差異：

這不僅關乎物理學，也關乎研究的經濟效益。英國原子能管理局（UKAEA）電腦科學計畫主任羅伯·阿克斯強調了一個關鍵點：設計一座聚變電站需要進行數百萬次模擬。縮短模擬執行時間才能使這項挑戰在經濟上可行。

該工具對於指導現有機器的工作至關重要，例如卡勒姆的MAST 升級，尤其對於STEP （球形託卡馬克能源生產）計劃至關重要，這是英國一項雄心勃勃的項目，旨在到 2040 年在諾丁漢郡建造一座原型聚變發電廠。

需要明確的是：這並不意味著我們明天就會面臨無限的能源帳單。工程挑戰依然巨大，人工智慧模型在未知的實體環境下的可靠性也尚未得到驗證。然而，將數天的計算壓縮到幾秒鐘，可以將一個幾乎無法解決的問題轉化為一個可控的工程項目。

在當今世界迫切需要清潔、可程式能源的情況下，將聚變技術從科學願景轉化為工業現實，才是本世紀真正的挑戰。或許，多虧了智慧矽晶片，我們離目標又更近了一步。

與傳統超級電腦相比，人工智慧為何速度如此快速？

該人工智慧，特別是GyroSwin模型，並非每次都逐粒子重新計算基本物理方程式。它採用「代理模型」的方式工作：透過對龐大的歷史模擬庫進行訓練，學習識別等離子體行為的模式。因此，當遇到新的場景時，它會根據經驗「推斷」結果，而不是從頭開始計算，從而顯著降低計算量。

這項技術是否意味著我們很快就能擁有可運作的聚變發電廠？

就短期商業應用而言，人工智慧未必「很快」就能發揮作用。它解決了模擬和設計速度的問題，但並不能消除巨大的物理工程挑戰，例如製造能夠承受1億攝氏度高溫的材料或管理氚。然而，它加速了迭代和設計過程，使得像英國STEP專案一樣在2040年前實現可運行原型機的目標更加現實。

使用這項人工智慧技術能帶來哪些經濟效益？

主要優勢在於降低了研發成本。超級電腦的使用運作成本和能源成本都極為高昂。 ³ 將計算時間從幾天縮短到幾秒鐘，可以以遠低於以往的成本測試數百萬種設計方案。正如英國原子能管理局的羅伯·阿克斯所指出的，這使得耗時耗力的模擬的初始成本得以“攤銷”，從而使商業反應器的開發在經濟上可行。