用AI赋能“人造太阳”

　　作者：杨宗谕 杨雨桐（中国聚变能源有限公司副研究员，助理研究员）

　　当前，人类的能源技术和智能技术深度交汇。一方面，AI技术迅猛发展的背后，是日益庞大的算力中心对电力的需求，全社会对高密度、零碳清洁能源的需求变得空前迫切。另一方面，作为人类梦寐以求的理想能源，受控热核聚变反应—“人造太阳”仍面临燃烧等离子体长时间稳定控制、大科学装置迭代成本和复杂度过高等关键瓶颈。一个新的命题自然而然浮出水面——

　　为什么要让AI接管“人造太阳”

　　太阳发出的光和热是地球上绝大多数生命活动和能量的基础，这些光和热正是来自其内部的核聚变反应。在这个过程中，轻原子核结合形成重原子核并释放出能量。然而，要把这种宇宙中最基本的能量释放过程，在地球上复现并不容易。科学家为此提出了众多方案，其中主流的方式是采用托卡马克装置，它用强磁场编织出一个无形的“磁笼”，来约束住温度高达上亿摄氏度的聚变燃料（一种处于完全电离状态的等离子体）。

　　聚变燃料可一点也不“温顺”，上亿度的等离子体非常活跃，其位置、形状、温度和密度分布等参数始终处于连续不断的变化中。外部用以约束它的“磁笼”，必须随之做出极其敏捷且精准的调整，否则就会导致聚变反应的中断。然而，等离子体变化的速度极快，要求控制系统必须在毫秒级的时间内做出决策；同时，聚变装置与等离子体的物理性质极其复杂，是一个典型的多场耦合、强非线性系统，难以被简单的控制逻辑妥善处理。

　　破解复杂性难题，恰恰是AI的终极战场，它可以将原本割裂的感知、预测与决策链条成功整合在一起。智能化的数据分析手段，能在毫秒级的时间内感知等离子体的全局状态；高保真的智能模拟，以惊人的效率在数字世界里预演成千上万种控制方案，并分析潜在风险；最后，一个经过千锤百炼的智能控制器，综合所有全局信息，并在毫秒级的时间内做出精准的控制决策。

　　AI的介入，正在将控制“人造太阳”从一门依赖经验和试错的手艺，提升为一门可计算、可预测、可自主优化的科学。

　　AI如何“驯服”聚变等离子体

　　当前，AI的身影已经活跃在从仿真模拟、实验设计、装置控制到新材料研发的“人造太阳”研发全链条中。在“驯服”聚变等离子体的过程中，AI扮演的角色可以拆解为三个环环相扣的层面，即观测、预测和控制。

　　第一步，“感知”等离子体，从局部观测到全息建模。

　　“感知”聚变燃料的状态，是一切控制的前提。“人造太阳”工作时，聚变燃料的温度达到上亿度，任何传感器都无法与其直接接触。科学家不得不借助各种间接的“眼睛”去探测，比如测量等离子体自身产生的磁场；捕捉其辐射出的光谱，它的原理与常见的红外测温枪类似，但复杂程度远超想象。

　　间接测量所获取的原始数据，并不能直接反映等离子体的物理状态，需要经过一套复杂的分析和物理模型转换，才能变成驱动控制决策的有效参数。这一过程存在两个弊端，一是计算速度慢或高度依赖人工经验介入，无法在聚变装置毫秒级的控制周期内完成闭环；二是间接测量方法本身稳定性不足，极易在复杂的电磁环境中受到干扰，导致关键数据缺失，让控制器瞬间“失明”。

　　AI可以在数据分析场景中起到关键的作用。一方面，诊断代理模型可以模仿和替代那些缓慢、经验化的分析过程。例如，在我国新一代人造太阳“中国环流三号”上部署的代理模型，就能实时分析等离子体的位形和温度分布，让控制器在毫秒周期内获得准确的全局状态感知能力。另一方面，生成式AI模型展现出修复残缺信息的强大潜力，核工业西南物理研究院自主研发的国际首个聚变垂域基座大模型“曦元”，已经实现了88道核心测量参数的缺失值自动补全，即使部分传感器在强干扰下短暂失效，“曦元”也能为控制系统“拼凑”出完整的燃料状态。AI帮助科研人员“看清”等离子体，成为精准驾驭它的关键。

　　第二步，“预测”等离子体，从盲目试错到沙盘推演。

　　聚变等离子体作为一个非线性多场耦合系统，任何控制干预都可能牵一发而动全身。因此，在行动之前准确地预测各类控制方案下等离子体的响应和演化趋势，是实现稳定约束的关键前提。

　　传统的数值模拟手段虽然可以达到预演的效果，却始终因高昂的计算成本而束手束脚。一次高保真的第一性原理仿真，往往需要花费超级计算机数天的时间；而一些快速的简化模拟器，其结果又与真实的实验数据大相径庭。在计算成本与模拟精度之间，研究人员长期进退维谷。

　　AI的引入，为打破这一僵局提供了全新的范式。一方面，可以让AI阅读过往实验产出的海量数据，自发总结等离子体的演化规律，构建数据驱动的模拟器；另一方面也可以用代理模型、神经算子、可微仿真等前沿技术来加速仿真过程。核西物院团队此前便利用数据驱动方法，成功构建了高保真的“中国环流三号”磁位形演化模拟器和大破裂风险预测算法。

　　如今，在AI的帮助下，科学家可以在真实的物理实验前，从数字世界里快速筛选实验方案，并对各种风险事件进行前瞻性预警，从而将潜在的不稳定性消灭在萌芽状态。

　　第三步，“赋能”等离子体，从手动驾驶到自动驾驶。

　　“感知”和“预测”，最终是为了“控制”。在传统的控制范式下，这一任务大多由一些简单的反馈控制器，结合工程师在无数次实验中的试错优化来共同完成。整个过程不仅繁杂、效率低下，更难以应对瞬息万变的紧急突发状况。

　　AI的赋能，正在为聚变装置构建“数字训练场”。一个控制智能体可以从零开始，与虚拟的聚变装置进行数以百万计的互动试错。它以极低的成本，在短时间内遍历各种复杂工况，最终锤炼出一个能够自主决策的控制智能体，这便是强化学习在核聚变控制中展示出的革命性力量。

　　如今，“人造太阳”的“自动驾驶”，已经在“中国环流三号”上成为现实。该装置的平顶段磁位形控制和下降段破裂避免控制，均已成功演示了智能体的控制接管。AI控制器不仅能稳定维持等离子体平衡，更在某些异常工况下展现出超越传统方法的应急决策能力，标志着我们对聚变等离子体的控制能力迈入了新的纪元。

　　迈向全方位智能化运行新时代

　　经过科学家数十年的探索，以托卡马克为核心的磁约束聚变能技术路线，已得到科学原理上的验证。当前，全社会对“人造太阳”的关注和投入正不断增强，AI的深度介入，必将进一步加速聚变能源商业化的历史进程。

　　聚变能源能否从实验室走向千家万户？关键在于工程能力的跨越和经济性的破局。而AI，正是撬动这两大支点的关键杠杆。它精准地切入过去技术烦琐、成本高昂、效率低下的核心环节，显著降低设计、建造和运维成本，最终将提升聚变能相较于其他能源形式的经济竞争力。

　　未来，中国聚变能源有限公司将在上海建设“中国环流四号”，验证大型高温超导磁体运行的可靠性和智能控制等离子技术，其装置系统繁多，各系统相互耦合、工况复杂多变。若采用传统研发模式，依靠实物样机反复试验，不仅研发周期漫长、成本高昂，还易产生设计缺陷，制约技术迭代速度。

　　为此，我们融合基于模型的系统工程（MBSE）与人工智能技术，打造设计数字样机与运维数字孪生样机。在设计阶段可完成系统级的设计仿真快速迭代、结构优化与风险预判，运维阶段能实时监测设备状态、提前排查故障，实现精准管控。这种数字化、智能化的全新研发运维模式，有望彻底打破传统实物试错的路径依赖，高效赋能聚变先导技术的快速验证与迭代，大幅提升聚变装置的研发效率、运行稳定性与运维精准度，为聚变技术从实验研究迈向工程化应用提速增效。

　　展望未来，新的聚变装置将配备一个时刻进行海量数据交互与智能决策的“超级大脑”，它将拥有全域感知、深度思考与自主演化能力，实现从原料注入到能量输出全链条的自主运行，为人类点亮一盏前所未有的未来能源之灯。

　　《光明日报》（2026年06月25日 16版）