近年来，人工智能在可控核聚变研究领域展现出强大的赋能作用。深度学习、扩散模型等前沿技术被应用于高精度等离子体模拟程序的加速计算等场景，带来技术突破。
2019年，哈佛大学与普林斯顿等离子体物理实验室的研究团队，使用在美国运行的DIII—D托卡马克装置上训练出的深度神经网络模型，以超过90%的正确率预警了JET装置的破裂事件。2022年，谷歌旗下DeepMind团队与瑞士联邦理工学院合作使用强化学习智能体在TCV托卡马克上实现了限制器、常规偏滤器、先进偏滤器甚至双环等离子体位形的控制。2024年，韩国中央大学与普林斯顿等离子体物理实验室的研究团队使用深度学习方法，在KSTAR与DIII—D托卡马克上成功预测了撕裂模不稳定性的增长概率，并结合强化学习算法，在提升等离子体比压的同时对撕裂模增长概率进行控制。
国内机构、高校也在聚变与人工智能交叉领域开展了大量探索。中核集团核工业西南物理研究院将破裂预测、平衡反演代理模型、边缘局域模实时识别与控制等人工智能模块应用于核聚变装置的控制运行，有效解决了部分控制问题。
展望未来，可控核聚变一旦实现应用，将为人类提供丰富、清洁的理想能源。科幻中的未来科技，或许能在可控核聚变的支撑下成为现实。
（作者钟武律，为中核集团核工业西南物理研究院聚变科学所所长）
■链接
中国环流三号 |
