UC Davis與勞倫斯柏克萊國家實驗室的研究人員在核融合反應器設計上取得重大進展，透過一個被稱為材料驅動核融合的新興學科實現了這一突破。該方法著重於工程設計構成反應器的材料本身，旨在最大化反應效率並降低核融合能夠穩定發生的溫度——這與主流的磁約束（託卡馬克和仿星器）或慣性約束（高能雷射）方法截然不同，後兩者旨在將電漿條件推向極端，而非從材料層面改變反應環境。

柏克萊實驗室的一份新聞稿解釋道：「研究人員可能不再只是設計材料來承受核融合的嚴苛條件，而是能夠設計在特定條件下促進反應的材料，類似於催化劑加速化學過程的方式。」

在本月發表的論文中，團隊於《Nature Communications》期刊詳述了由鈦和鈀構成的金屬箔如何在遠高於常規可達水準的頻率和低得多的溫度下，促進氘-氘核融合反應。這一發現意義重大：當前核融合實驗所需的超高溫度需要大量能量輸入，使得大多數核融合反應在能量產出方面呈淨負值。同時，這些高溫也對反應器內部材料造成極大壓力。這些障礙共同構成了核融合能源商業化最嚴峻的挑戰之一——這一目標已吸引了全球數十億美元的公共和私人投資，包括美國能源部核融合能源科學計畫以及追求緊湊型反應器設計的風險投資公司。

「這給了你一個以前沒有的新旋鈕可以調節，」領導柏克萊實驗室加速器技術與應用物理（ATAP）部門核融合科學與離子束技術小組的Arun Persaud表示。「如果我們更好地理解這一效應，就為工程設計能在特定條件下影響核融合速率的新型材料打開了大門。未來的進展有一天可能促成更緊湊、更高效的中子產生器，這在各個領域都有應用，如貨物篩查、行星科學以及醫學治療和影像。」

除了這一發現本身，這項研究預計將催化材料驅動核融合領域的進一步研究。該工作也出現在對鈀在核科學中角色日益增強的審視背景下：鈀吸收氘的能力已被研究了數十年，雖然早期關於低能量核反應的聲明極具爭議，但柏克萊-UC Davis的結果代表了在受控實驗室條件下使用鈀基金屬箔增強核融合速率的首次經同行評審、儀器測量的驗證。

人工智慧在加速這類研究方面正發揮越來越重要的作用。大型語言模型正被部署用於快速篩選和模擬候選材料——這項任務否則將如同大海撈針。

在愛荷華州Ames的Ames國家實驗室，科學家們正在開發一個名為DuctGPT的AI工具，專門用於此目的。該系統結合大型語言建模與物理建模，以識別能夠承受核融合反應器內部極端條件的材料。柏克萊實驗室等機構的發現可以直接輸入Ames系統，每個新的數據集和模型都有助於改進該工具，使後續研究更加高效。

AI與核融合研究的交叉帶來了更廣泛的啟示：人工智慧可能有助於解決其自身正在加劇的能源危機。雖然AI相關能源需求的確切軌跡仍不確定，但當前的消耗水準已對全球能源安全構成可信的威脅。在不損害氣候目標或其他競爭性能源優先事項的情況下滿足AI建設的電力需求，將需要在能源生產方式和AI系統消耗能源方式兩方面取得重大技術飛躍。

「沒有突破就無法達到目標，」OpenAI執行長Sam Altman在2024年世界經濟論壇達沃斯年會上表示。「這激勵我們更多地投資核融合。」

越來越多地，這些投資正轉向使用AI驅動的工具來應對AI時代的能源挑戰。像DuctGPT這樣的系統可能代表著透過創新擺脫日益嚴峻能源困境的最有前途的途徑之一。

作者：Haley Zaremba，Oilprice.com