2024年9月21日，Interesting Engineering發布了一篇題為《Nuclear fusion: US’ ORNL develops method to identify new alloys for reactors》的文章，報道了美國能源部橡樹嶺國家實驗室(ORNL)科學家開發的一種新方法，旨在促進核聚變研究的發展。這項研究的核心是制造能夠承受核聚變反應堆極端條件的合金材料。

新方法簡化了尋找合適合金的過程，大大減少了所需的時間和精力。(代表性圖片)

美國能源部橡樹嶺國家實驗室(ORNL)的科學家們開發了一種新方法，旨在推動核聚變研究的發展。他們的研究重點在于制造能夠承受核聚變反應堆極端條件的合金材料。

尤為重要的是，開發能夠承受聚變反應堆內部惡劣環境的合金是實現核聚變成為可行且可持續能源的關鍵挑戰。

幾年前，這個項目由前人工智能計劃主任David Womble發起，現在由ORNL的人工智能數據科學家Massimiliano Lupo Pasini領導。Lupo Pasini主張將人工智能科學發現(Artificial Intelligence Scientific Discovery, AISD)作為該項目的重點領域繼續推進。這項研究的成果已經發表在《科學數據》(Scientific Data)雜志上。

Lupo Pasin指出，這些合金需要在極高溫度下展現出卓越的性能，這包括對高溫的耐受性以及在復雜核電站中使用所需的結構力學性能。

一、人工智能解決方案

傳統合金通常以鎢為主要成分，但它們難以持續提供必要的防護。Lupo Pasin補充說：“最近，材料科學界一直在探索用全新的顛覆性材料取代這些標準技術材料的機會。”

然而，可能的金屬組合數量龐大，這在識別合適的合金候選材料方面構成了巨大的挑戰。人工智能(AI)驅動的新方法在這里發揮了關鍵作用。

研究人員在新聞稿中提到：“在AI的指導下，研究人員可以繞過看似無盡的試錯周期，更有效地找到可行的合金候選材料。”

二、模型發展與挑戰

Lupo Pasini及其團隊生成了大量數據，創建了一個AI模型，成功識別了三種元素，這些元素可以作為新合金的成分進行進一步測試。這個AI生成的數據庫本身是一個重要的成就，標志著項目的第一階段。

此圖展示了鈮 (Nb)、鉭 (Ta) 和釩 (V) 等原子濃度的原子結構如何變得無序。AI 模型可幫助研究人員識別可用于屏蔽核反應堆中聚變應用組件的潛在原子結構。圖片來源：Massimiliano Lupo Pasini/ORNL，美國能源部

新聞稿中解釋說：“生成的數據將被用于進一步的研究，致力于開發、訓練和部署機器學習模型，以用于材料的發現和設計。”

然而，創建這種AI模型需要克服顯著的挑戰，包括生成龐大的數據集，這需要勞倫斯伯克利國家實驗室的Perlmutter超級計算機和ORNL的Summit超級計算機的大量計算資源。

Lupo Pasini解釋說，由于其規模和復雜性，數據收集過程耗時超過一年。

三、未來的步驟和潛在影響

AI模型將通過分析所收集的數據進行訓練，目的是協助科學家們探究在多種不同濃度下，六種元素混合時可能生成的各種化合物。

Lupo Pasini強調：“為了支持新型耐火高熵合金的設計，我們需要涵蓋六種元素。”

這項開創性的研究可能會加速核聚變技術的發展，幫助我們更快地實現清潔和可持續能源的未來。

他總結道：“我們正試圖通過減少材料科學家在確定不同元素混合比例時的試錯方法，幫助他們找到能夠帶來聚變技術顛覆性進步的合金。”