美加强人工智能技术在聚变能科学和核物理研究中的应用

【本刊2023 年9 月综合报道】 2023 年8月，美国能源部三次宣布将为聚变能源科学和核物理领域科研项目提供总计1.57 亿美元资助，拟使用人工智能/机器学习技术和高性能计算资源推进相关研究。

聚变能科学研究

能源部两次宣布为聚变能科学研究提供总计1.41 亿美元资助。

能源部8 月31 日宣布在“用于聚变能科学的机器学习、人工智能和数据资源”计划下为7 个研究项目提供2900 万美元资金。这7 个项目分别是：

•罗切斯特大学和慧与公司（HPE）合作开展的“应用机器学习和数据科学来预测、设计和改进激光惯性约束聚变技术的激光聚变内爆”；

•橡树岭国家实验室（ORNL）“通过堆芯-基座-边界物理的机器学习实现托卡马克脉冲模拟”；

•加利福尼亚大学伯克利分校、普林斯顿大学和普林斯顿等离子体物理实验室（PPPL）合作开展的“纳米材料等离子体合成的主动学习导向探索和数据驱动主动控制”；

•麻省理工学院、威斯康星大学麦迪逊分校、HDF 集团（HDF Group）、奥本大学和威廉玛丽学院合作开展的“应用机器学习的开放和公平聚变”；

•通用原子能公司（General Atomics）、慧与公司、Sapient AI 公司和加利福尼亚大学圣地亚哥分校合作开展的“用于支持聚变中试厂设计和安全运行的聚变装置学习数据科学平台”；

•洛斯·阿拉莫斯国家实验室（LANL）、得克萨斯大学奥斯汀分校、佛罗里达大学和宾夕法尼亚州立大学“用于减少干扰的聚变能源科学深度融合加速器”；

•普渡大学“利用机器学习加深对等离子-壁相互作用认识的探索和诊断”。

能源部2023 年8 月14 日宣布将为12 个聚变能科学研究项目提供总计1.12 亿美元资助。

这些项目将加强能源部“高级计算科学发现”（SciDAC）计划、“聚变能源科学”（FES）计划和“高级科学计算研究”（ASCR）计划之间的合作，利用包括超级计算机在内的高性能计算资源推进聚变能科学研究，涉及等离子体动力学仿真、材料科学、设施建模和聚变能计算框架等。

核物理研究

能源部8 月17 日宣布将为15 个核物理研究项目提供1600 万美元资助，拟使用人工智能/机器学习工具和方法开展核物理实验、模拟、理论研究以及加速器相关研究。

这些项目将由8 家能源部国家实验室和22 所大学实施，包括开发深度学习算法，以识别用于研究极其罕见的核衰变中基本对称性物理的独特信号（如果观察到这一信号，将证明我们的宇宙为何被物质而不是反物质主导）；为布鲁克海文国家实验室（BNL）正在建设的电子离子对撞机（EIC）加速器设计人工智能驱动的探测器；以及多个使用人工智能/机器学习工具和方法优化加速器射束的项目。