新闻宏观经济伯克利实验室与加州大学戴维斯分校借助钛钯金属箔解锁聚变突破

伯克利实验室与加州大学戴维斯分校借助钛钯金属箔解锁聚变突破

作者: OilPrice.com·2026年8月8日

要点速览

•根据发表在《Nature Communications》上的研究，钛钯金属箔能够在比传统方法更低的温度下，以更高频率促进氘-氘聚变反应。
•材料驱动型聚变通过工程化反应堆材料来提升反应效率，与依赖托卡马克、仿星器或激光惯性约束中极端等离子体条件的主流方法不同。
•伯克利—加州大学戴维斯分校的结果是在受控实验室条件下，利用钯基箔片增强聚变速率的首个同行评审、仪器测量演示，这与此前关于低能核反应的争议性说法不同。
•阿姆斯国家实验室正在开发 DuctGPT，这是一款将大型语言模型与基于物理的建模结合起来、用于识别能够承受极端聚变反应堆条件材料的 AI 工具。
•这项研究未来或可帮助实现更紧凑、更高效的中子发生器，应用场景包括货物安检、行星科学以及医学治疗和成像。

加州大学戴维斯分校与劳伦斯伯克利国家实验室的研究人员在核聚变反应堆设计方面取得了重要进展，相关工作属于一个新兴领域，称为材料驱动型聚变。这一方法的核心是对构成反应堆的材料本身进行工程化设计，旨在提高反应效率并降低聚变能够可靠发生的温度——这与托卡马克和仿星器中的磁约束，或使用高能激光的惯性约束等主流方法不同；后者的目标是把等离子体条件推向极端，而不是在材料层面改变反应环境。

伯克利实验室的一份新闻稿解释称：“研究人员也许不必只设计能够在聚变严苛条件下存活的材料，而是可以设计在特定条件下促进反应的材料，类似于催化剂加速化学过程的方式。”

在本月发表于 Nature Communications 的一篇论文中，研究团队详细说明了由钛和钯制成的金属箔如何在远低于通常可实现温度的条件下，以更高频率促进氘-氘核聚变反应。这一发现意义重大：当前聚变实验所需的极高温度需要大量能量输入，使大多数聚变反应在能源产出上呈净负值。同样的高温也会对反应堆内部材料造成严重压力。综合来看，这些障碍构成了实现聚变能源商业化的最严峻挑战之一；这一目标已吸引全球数十亿美元的公共和私人投资，包括美国能源部聚变能源科学项目以及寻求紧凑反应堆设计的风险投资支持公司。

“这给了你一个以前没有的新调节手段，”伯克利实验室加速器技术与应用物理（ATAP）部门中融合科学与离子束技术组负责人 Arun Persaud 在新闻稿中表示。“如果我们能更好地理解这种效应，就有可能设计出在特定条件下会影响聚变速率的新材料。未来的进展或许有一天能够实现更紧凑、更高效的中子发生器，它们在货物安检、行星科学以及医学治疗和成像等方面都有各种应用。”

除了这一发现本身之外，相关研究预计还将推动材料驱动型聚变领域的进一步探索。该工作也出现在钯在核科学中的作用受到越来越多审视的背景下：钯吸收氘的能力已被研究了数十年，而此前关于低能核反应的说法曾引发巨大争议；不过，伯克利—加州大学戴维斯分校的结果是在受控实验室条件下，利用钯基金属箔对增强聚变速率所作出的同行评审、仪器测量演示。

人工智能在加速此类研究方面正发挥越来越重要的作用。大型语言模型如今被用于快速筛选和建模候选材料——这项任务在没有 AI 辅助时，就像大海捞针。

在爱荷华州阿姆斯的阿姆斯国家实验室，科学家们正在开发一款名为 DuctGPT 的 AI 工具，专门用于这一目的。该系统将大型语言模型与基于物理的建模结合起来，以识别能够承受聚变反应堆内部极端条件的材料。伯克利实验室的发现等成果可以直接输入阿姆斯的系统，每一组新数据和新模型都将帮助完善该工具，并使后续研究更加高效。

从这个意义上说，人工智能甚至可能成为解决其自身正在加剧的能源危机的关键。尽管未来几年 AI 将消耗多少能源仍存在巨大不确定性，但我们已知其用电规模足以对全球能源安全构成现实威胁。在不损害气候目标和其他竞争性能源需求的前提下，为 AI 发展提供动力，将要求在能源生产方式以及 AI 的用能方式上都取得重大技术突破。

OpenAI 首席执行官 Sam Altman 在 2024 年达沃斯世界经济论坛年会上表示：“没有突破就不可能做到这一点。”他接着说：“这促使我们进一步投资聚变。”而如今，这些投资越来越多地借助 AI 工具来解决 AI 自己带来的问题。像 DuctGPT 这样的工具，很可能是我们通过创新摆脱危机的最佳选择之一。

By Haley Zaremba for Oilprice.com