來源：市場資訊

（來源：觀察者網）

【文/觀察者網 心智觀察所】

當“人造太陽”遇上人工智能，困擾可控核聚變數十年的撕裂模難題，終于迎來了一位消防員。

你一定聽說過能源領域的圣杯：可控核聚變。形象地講，人類想在地球上造一個小型太陽，就必須借助磁力將一個上億攝氏度的等離子體火球懸空關起來，叫里面的燃料撞在一起，釋放出取之不盡用之不竭的清潔能量。聽起來很美好，對吧？

但現實是，這個小型太陽的脾氣極其暴躁。你費了九牛二虎之力把它關進磁籠子里，它卻總是突發惡疾，長出一個個巨大的磁氣泡，這些氣泡慢慢拖慢了火球的旋轉，最后噗的一聲，整個火球散架，撞在墻上，游戲結束。

這種“惡疾”在物理學里有個專門的名字：撕裂模不穩定性。幾十年來，它一直是可控核聚變最大的噩夢。不過，最近一群科學家給這個磁籠子裝上了一副神奇的人工智能護目鏡。戴上它之后，AI能在氣泡還沒長出來之前就提前看到苗頭，并且自動擰一擰磁場，將其扼殺在搖籃里。

2026年5月，一篇發表于《Physics of Plasmas》上的文章講述了這個故事：機器學習可為未來的核聚變電站提供一道實時的AI護盾。

可控核聚變：在地球上造一個“小太陽”

核聚變到底是什么？

核聚變，字面意思就是“原子核融合到一起”。在自然界，太陽和所有恒星都在以這種方式一刻不停地運轉著。太陽的核心溫度高達1500萬攝氏度，壓力是地球大氣壓的3000億倍，在這種極端條件下，氫原子核（質子）克服了彼此之間的靜電斥力，猛撞到一起，變成了氦原子核。在這個過程中，一小部分質量轉化成巨大的能量——這就是 E = mc2 的威力：即便只有微不足道的質量虧損，乘以光速的平方，也會變成驚天動地的能量。

最有希望實現的聚變反應使用的不是普通的氫，而是它的兩種同位素：氘和氚。海水中儲備著巨量的氘（每升海水里大約有30毫克），而氚則可以一邊消耗一邊從反應堆內部的鋰材料中原地生成（聚變反應釋放大量高能中子，鋰原子核被中子擊中，分裂成氚原子核與氦原子核）。一個氘核和一個氚核聚變成一個氦核外加一個中子，釋放出17.6MeV的能量。拿數字說話：1克聚變燃料釋放的能量，相當于8噸汽油。而且聚變的產物是惰性的氦氣，沒有壽命極長的放射性廢料，又清潔又安全，這一點與鈾-235裂變形成了鮮明對比——即使過了幾萬年，核裂變產生的廢物依然危險。

為何聚變這么難搞？

既然聚變如此美好，為何我們還沒用上？事實上，要想在地球上實現受控的聚變，難上加難。

太陽的強大引力把原子核牢牢壓在一起，從而創造高溫高壓條件實現聚變。相形之下，地球質量太小，引力太弱，根本壓不住。所以人類必須把溫度加到變態的高度。溫度越高，原子核運動得越快，它們碰撞起來的動能就越大，越有可能克服兩個正電核之間的靜電斥力。要讓氘氚聚變得以發生，溫度至少需要1億攝氏度，比太陽中心溫度還高好幾倍。

1億度是什么概念？任何固體物質在這個溫度下都會瞬間變成氣體，然后變成等離子體。所謂等離子體，即是從原子核周圍暴力剝下電子，形成一團由帶正電的原子核和帶負電的自由電子組成的“帶電湯”。這鍋湯的行為和普通氣體完全不同，它對電場和磁場極其敏感。

怎樣關住火球？

如何裝住等離子體？物理學家想到了一個絕妙的點子：用磁場。

帶電粒子在磁場中會怎么運動？受到洛倫茲力的作用，它們會繞著磁感線螺旋前進。磁場給帶電粒子修了一條螺旋軌道，把它們約束在磁感線附近，不讓它們四處亂撞。只要磁場足夠強，你就能把這團1億攝氏度的等離子體“懸空”約束起來。這個原理聽上去不復雜，實現起來則需要極其精巧的磁場設計。于是乎，托卡馬克裝置應運而生了。

托卡馬克：一個精心設計的“磁性甜甜圈”

托卡馬克（Tokamak）這個詞源于俄語縮寫，意思是“環形磁約束真空室”。上世紀50年代，這個裝置由前蘇聯科學家阿齊莫維齊等人發明，是目前最主流、也最接近實現可控核聚變目標的裝置。

它的形狀是環形，猶如一個甜甜圈，把磁場彎成一個閉環，讓磁感線首尾相接，等離子體就可以在環形跑道上一圈又一圈地跑，永遠跑不出去。

托卡馬克的磁籠子由三組線圈協同產生。

其一是環向場線圈：這些線圈像一個個手鐲一樣套在甜甜圈的管子上，產生一個繞著大環的強磁場。這是主約束磁場。

其二是極向場線圈：這些線圈位于甜甜圈的上下方，產生一個沿著小環截面方向（從上到下）的磁場。這個磁場比環向場弱得多，但至關重要——它和環向場疊加之后，使得總磁感線不再是簡單的大環圓圈，而變成了螺旋線，就像擰麻花一樣。這種螺旋結構大大改善了約束性能。

其三是等離子體電流：等離子體內部感應出一個強大的環向電流（沿著大環方向）。這個電流有兩個作用，一是其自身也會產生極向磁場，幫助形成螺旋磁感線；二是可以加熱等離子體，這是最初點火的重要手段。

就這樣，磁感線在甜甜圈的大環方向回旋了一圈以后，也在小環的極向方向扭轉一個角度。這些螺旋形的磁感線在裝置內部層層疊疊，構成了一個個同心嵌套的磁面，等離子體就被約束在這些磁面上，沿著磁感線高速回旋，同時也在大環方向上整體旋轉。

如果一切完美，這個甜甜圈里的等離子體就能持續進行聚變反應，輸出能量。但現實中的等離子體是個“熊孩子”——它內部有電流、有壓力、有各種不穩定性。最令科學家頭疼的一種，就是撕裂模。

撕裂模與有理磁面：磁感線上的“脆弱接縫”

要理解撕裂模，必須先搞懂一個關鍵概念：有理磁面。

還記得上面說的螺旋磁感線嗎？每條磁感線在甜甜圈的大環方向轉一圈的同時，也會在小環的極向方向轉一個角度。環向轉過的角度除以極向轉過的角度叫做安全因子，通常用字母 q 表示。當q等于一個簡單的有理數，比如 1, 4/3, 3/2, 2, 5/2時，這條磁感線在繞大環若干圈后，會精確地回到自己的起點，形成一個閉合的、重復自身的曲面。這個曲面就叫有理磁面。你可以把它想象成甜甜圈里一層一層同心“薄殼”中的某一層，這一層上的磁感線剛好首尾完美相接，像縫紉機留下的整齊針腳。

問題在于，有理磁面是最容易被撕裂的地方。為什么？

因為甜甜圈中存在著擾動磁場，這些擾動可能來自于等離子體的電流波動。有理磁面上的磁感線是閉合的，如果擾動磁場的空間周期與磁感線的閉合周期完全一致，就會發生穩定共振，將擾動放大，觸發磁重聯，即把原有的磁感線斷開，再以不同的方式重新連接，如此就會撕裂原本完好的磁面，形成一個獨立的、閉合的磁島，也就是我們前面說的“磁氣泡”。

這個磁島一開始很小，但它會像***一樣，從周圍等離子體的旋轉和電流中吸取能量，越長越大。大磁島會嚴重破壞磁場的對稱性，使得等離子體無法被很好地約束。當磁島膨脹到一定程度，它會撕裂整個等離子體柱，使旋轉速度急劇下降，最終導致等離子體失控撞向器壁。整個過程就像一根繃緊的繩子，在某個脆弱點出現了一個毛刺，毛刺慢慢擴大，最后整根繩子崩斷。

這就是撕裂模不穩定性。研究者 Benjamin 在論文里用了一個極富畫面感的比喻：“不加抑制的撕裂模的最終狀態很簡單，就像一個巨大的磁泡像鼻涕蟲一樣在等離子體內部生長，使旋轉逐漸停止，然后等離子體消散并撞向器壁?！?/p>

為什么傳統方法搞不定？罪魁竟是蝴蝶效應

既然人們知曉了撕裂模的物理機制，為什么幾十年來還是搞不定？因為預測太難了。

撕裂模的出現取決于有理磁面附近一系列穩定效應與失穩效應的微妙平衡，而這個平衡點會被一些毫不起眼的小擾動打破。比如，某個角落的等離子體突然抖了一下，或者加熱系統的一個微小波動，都可能通過復雜的非線性過程，在遙遠的另一個有理磁面上誘發一個撕裂模。這就是典型的“蝴蝶效應”。

傳統的物理模型要么太慢，一次數值模擬需要數小時，要么太過簡化，無法捕捉所有細節。等磁探針和干涉儀這樣的常規診斷工具發現撕裂模的明顯信號時，磁島已經長大到難以消除的程度。這就好比火災報警器只在整棟樓燒成骨架時才響，那還有什么用？

因此，過去工程師們只能***用反應式策略：先眼睜睜地看著等離子體被撕裂，然后緊急注入冷凍顆?；蛘哒{整加熱功率，試圖在崩潰前把磁島“凍住”或“擠掉”。但這樣做不僅效率低下，而且對于未來的大型核聚變反應裝置來說，一次失敗的抑制就可能造成難以修復的損壞。

所以，提前至毫秒級的準確預測就成了解鎖核聚變的關鍵鑰匙。

AI登場：從海量數據中聽見撕裂模的腳步聲

這時候，機器學習到來了。它的強項恰恰就是處理那些非線性、混沌、耦合的問題。你不需要給它一個完美的物理方程，只需要喂給它海量的實驗數據，它就能自己學會識別那些人類肉眼和傳統算法捕捉不到的微弱前兆模式。

MIT的兩位科學家，Cristina Rea和Stuart Benjamin收集了全球各大托卡馬克裝置幾十年來的實驗記錄。這些數據記錄了無數次撕裂模從“沒事”到“出現”到“崩潰”的全過程，包含數萬條通道的磁信號、溫度分布、密度分布、旋轉速度……

然后，他們用這些數據訓練各種 AI 模型：從簡單的隨機森林，到復雜的深度神經網絡。訓練完成后的 AI 模型就像一個經驗極其豐富的老技師，能夠在撕裂模實際形成的數十毫秒甚至數百毫秒之前察覺到極其微弱的異常信號。這些信號可能只是某個磁探針讀數上幾個毫伏的波動，或者等離子體旋轉速度 0.1% 的變化，它們完全淹沒在背景噪聲中，但 AI 能把它們挑出來。

“用物理模型預測撕裂模仍然極其困難，但其隨機復雜性吸引了精通機器學習的科學家?！盉enjamin 說。

換句話說，撕裂模的“不可預測”是就傳統物理模型而言的，善于發現統計模式的AI 反而找到了大顯身手的舞臺。

實時AI控制器：預測之后，立刻動手

光是預測還不夠，還得自動***取行動。畢竟人的反應時間是幾百毫秒，而撕裂模從萌芽到失控可能只需要幾十毫秒。必須讓 AI 直接接管控制器，做到毫秒級響應。研究人員正在開發的主動等離子體控制器的工作流程是這樣的：

首先，托卡馬克上的成百上千個傳感器以每秒數萬到數百萬次的頻率，把等離子體的各項參數實時送入 AI 芯片。接著是AI推理，一個經過輕量化壓縮的神經網絡模型會根據當前數據瞬間給出判斷：穩定，或者即將產生撕裂模。然后是自動干預，一旦風險超過閾值，控制器立刻向磁體電源或加熱系統發送指令。調整通常在幾百微秒內完成——比人類眨眼快 300 倍以上。干預的手段通常是：在有理磁面附近注入一束局部微波，微調電流分布，從而改變穩定性的平衡，把那個正在萌芽的磁島“燙平”。

這套閉環系統相當于給托卡馬克裝了一個自動駕駛儀。駕駛員（操作員）只需要設定好目標參數，剩下的全部由 AI 自動完成，就像現代飛機的電傳飛控系統，飛行員只要給出指令，飛控電腦會自動調整各個舵面，防止飛機失速或尾旋。

而且，科學家們并沒有把 AI 當作一個“黑箱”。他們正在發展可解釋的 AI技術，讓操作員能夠理解模型為什么做出某個判斷：是哪個傳感器信號引起了警報？是哪個有理磁面上的安全因子出了波動？這種透明性對于核設施的安全認證至關重要。

關鍵一躍：從實驗室走向電站

其實，用 AI 預測撕裂模的想法早在幾年前就有了。但直到最近，它才從論文走向真實的反應堆控制系統。原因有三：

其一是算力飛躍。新一代 GPU 和 AI 加速器（如英偉達相關技術）能在毫秒內運行深度神經網絡。以前只能在超級計算機上做的推理，現在可以塞進一張比手機還小的板卡里。

其二是數據積累。全球托卡馬克運行了幾十年，終于攢下了足夠多、足夠“臟”的真實數據。AI 最怕的是數據太干凈，最怕過度擬合，而真實的聚變數據充滿了各種干擾，反而能訓練出強模型。

其三是高壓需求：未來的聚變電站要想賺錢，必須在極高的等離子體壓力下運行。而高壓會急劇加劇撕裂模的產生。換句話說，沒有 AI 的主動維穩，高約束模式根本不可持續。所以 AI 不再是選配，而是標配。

這項研究的一個直接的應用對象，就是正在法國建設的 ITER——人類有史以來最大的托卡馬克。ITER ***在 2030 年代實現長脈沖、高約束的燃燒等離子體。它需要一個智能觸發器，能在撕裂模失控前的一瞬間啟動緊急保護，比如注入大量冷凍氖顆粒。Rea和Benjamin 的研究正在為這個觸發器提供核心算法。

中國力量：EAST 與 HL-3 的 AI 探索

值得一提的是，在可控核聚變AI控制領域里，中國同樣走在前列。位于合肥的EAST裝置多次創造世界紀錄，其團隊長期開展基于機器學習的等離子體破裂預測研究，包括直接針對撕裂模的預警。2025年，核工業西南物理研究院與浙江大學等合作，在“中國環流三號”（HL-3）裝置上成功開發了一套數據驅動的等離子體智能控制系統，實現了對等離子體電流、位形等宏觀參數的閉環自動控制，為未來聚變堆的智能化運行奠定了重要基礎。相關成果發表于《自然·通訊物理學》及《Nuclear Fusion》等期刊?？梢哉f，在“馴服太陽”的全球競賽中，中國科學家同樣在積極擁抱AI。

未來的挑戰：從“一招鮮”到“全能管家”

當然，前方的路還很長。目前的 AI 模型主要針對撕裂模這一種不穩定性?？蓪嶋H上，等離子體中還有其他搗蛋鬼。未來的方向是開發一個多任務、多模態的統一 AI 框架，用一個“超級大腦”同時監控所有潛在的危險。

另外，模型的泛化能力也是一大難題。在美國的托卡馬克上訓練的 AI，直接拿到法國的托卡馬克上，還能不能用？不同裝置的尺寸、磁場強度、加熱方式都有差異，很可能需要重新訓練。研究人員正在探索遷移學習和元學習技術，希望讓 AI 具備“舉一反三”的能力。

但無論如何，一個重要的轉折點已經來臨：人工智能已經從核聚變研究的“輔助工具”變成了“核心控制部件”。AI不再只是科學家分析數據的幫手，而是直接參與到每一次毫秒級的決策中，成為馴服“人造太陽”的那根關鍵的韁繩。

AI護盾就位，聚變黎明不遠

誠如 Benjamin 在文章結尾所說的那樣：“我們必須完善撕裂模的物理和控制機制，確保它們不會危及未來的托卡馬克聚變電站?！?/p>

有了 AI 這副實時智能護盾，磁氣泡將不再是不可戰勝的噩夢。當我們可以精準預測并主動壓制每一次撕裂模的企圖，持續數百秒、數千秒甚至更長時間的穩定聚變反應就不再是遙遙無期的。人類終于向那個“無限、清潔、安全”的能源夢想邁出了最堅實的一步。

再過十年，當我們回頭看看 2026 年的這則新聞，或許會發現它就是核聚變歷史上的一座里程碑。從靈光乍現的科學實驗，到持續發光的清潔電站，AI 幫我們跨過了那道從前看來不可逾越的鴻溝。

參考文獻：

C. Rea and S. Benjamin, “A review of machine learning-driven studies of tearing modes in tokamaks,”Physics of Plasmas (2026). DOI: 10.1063/5.0325461

Artificial intelligence brings us closer to realizing the promise of nuclear fusion - AIP.ORG

***s://interestingengineering***/energy/nuclear-fusion-reactors-gain-real-time-ai-shield-to-tackle-plasma-collapse-risk

西物院在等離子體智能控制領域取得重要進展-中國核工業集團有限公司

返回搜狐，查看更多