聚变是为太阳提供能量的过程，有望带来清洁、充足且不产生长寿命放射性废物的能源。要让它在地球上发挥作用，意味着要在聚变能源装置的限制范围内，使一种被称为等离子体的电离气体在超过1亿摄氏度的温度下保持稳定。这是一个高度复杂的物理问题，我们正致力于用人工智能（AI）来解决。

今天，我们宣布与全球聚变能源领导者 Commonwealth Fusion Systems (CFS) 建立研究合作伙伴关系。CFS 正通过其名为 SPARC 的紧凑而强大的托卡马克装置，开创一条更快通往清洁、安全且事实上近乎无限的聚变能源之路。

SPARC 利用强大的高温超导磁体，目标是成为历史上第一台产生净聚变能的磁约束聚变装置——即聚变产生的能量超过维持聚变所需的能量。这一里程碑式成就被称为跨越“盈亏平衡点”，也是迈向可行聚变能源道路上的关键节点。

这项合作建立在我们利用 AI 成功控制等离子体的突破性工作之上。我们与 EPFL（École Polytechnique Fédérale de Lausanne，洛桑联邦理工学院）Swiss Plasma Center 的学术合作伙伴一起证明，深度强化学习可以控制托卡马克的磁体，以稳定复杂的等离子体形状。为覆盖更广泛的物理问题，我们开发了 TORAX，这是一个用 JAX 编写的快速且可微分的等离子体模拟器。

现在，我们正把这项工作带到 CFS，以加快将聚变能源输送到电网的时间表。到目前为止，我们一直在三个关键领域开展合作：

• 生成快速、准确、可微分的聚变等离子体模拟。
• 寻找实现聚变能最大化的最高效且稳健路径。
• 利用强化学习发现新的实时控制策略。

我们的 AI 专长与 CFS 的前沿硬件相结合，使这项合作成为推进聚变能源基础发现的理想伙伴关系，造福全球研究共同体，并最终造福全世界。

模拟聚变等离子体

为了优化托卡马克的性能，我们需要模拟热量、电流和物质如何流经等离子体核心，并与其周围系统相互作用。去年，我们发布了 TORAX，这是一个为优化和控制而构建的开源等离子体模拟器，将我们可处理的物理问题范围扩展到磁模拟之外。TORAX 基于 JAX 构建，因此可以轻松在 CPU 和 GPU 上运行，并能顺畅集成由 AI 驱动的模型，包括我们自己的模型，以实现更好的性能。

TORAX 将帮助 CFS 团队在 SPARC 尚未启动之前，通过运行数百万次虚拟实验来测试和完善其运行方案。它还使他们能够在第一批数据到来后迅速调整方案。

这款软件已成为 CFS 日常工作流程中的关键支点，帮助他们了解等离子体在不同条件下的行为，节省宝贵的时间和资源。

寻找通往最大能量的最快路径

运行托卡马克涉及无数选择，需要调节各种可用的“旋钮”，例如磁线圈电流、燃料注入和加热功率。在保持运行限制范围内的同时，手动寻找托卡马克产生最大能量的最优设置，可能效率非常低。

将 TORAX 与强化学习或 AlphaEvolve 等进化搜索方法结合使用，我们的 AI 智能体可以在模拟中探索海量潜在运行场景，快速识别产生净能量的最高效且稳健路径。这可以帮助 CFS 聚焦最有前景的策略，即使在 SPARC 完全调试并满功率运行之前，也能从第一天起提高成功概率。

我们一直在构建用于研究各种 SPARC 场景的基础设施。我们可以研究在不同约束下最大化所产生的聚变功率，或随着我们对装置了解的加深而优化稳健性。

这里我们展示了在 TORAX 中模拟的标准 SPARC 脉冲示例。我们的 AI 系统可以评估许多可能的脉冲，以找到我们预计表现最佳的设置。

通过我们在聚变研究共同体内不断扩大的合作网络，我们将能够使用既往托卡马克数据和高保真模拟来验证和校准 TORAX。这些信息将增强对模拟准确性的信心，并帮助我们在 SPARC 开始运行后迅速灵活地调整。

开发用于实时控制的 AI 驾驶员

在我们此前的工作中，我们证明了强化学习可以控制托卡马克的磁构型。现在，我们正在增加复杂性，将托卡马克性能更多方面的同步优化纳入其中，例如最大化聚变功率或管理 SPARC 的热负荷，使其能够以高性能运行，并与装置极限保持更大的余量。

在满功率运行时，SPARC 将释放巨大的热量，并集中在一个小区域，必须加以谨慎管理，以保护最接近等离子体的固体材料。SPARC 可采用的一种策略是用磁力沿壁面扫动这些排出能量，如下所示。

在我们合作的初始阶段，我们正在研究强化学习智能体如何学会动态控制等离子体，以有效分散这些热量。未来，AI 可能学会比工程师设计的任何策略都更复杂的自适应策略，尤其是在平衡多重约束和目标时。我们还可以使用强化学习，为特定脉冲快速调优传统控制算法。脉冲优化与最优控制的结合，可能推动 SPARC 更进一步、更快实现其历史性目标。

联合 AI 与聚变，建设更清洁的未来

在开展研究的同时，Google 已投资 CFS，支持其在有前景的科学和工程突破方面的工作，并推动其技术走向商业化。

展望未来，我们的愿景不止于优化 SPARC 的运行。我们正在奠定基础，使 AI 成为未来聚变电站核心中的智能、自适应系统。这只是我们共同旅程的开始，随着达成新的里程碑，我们希望分享更多关于合作的细节。

通过联合 AI 和聚变的革命性潜力，我们正在建设更清洁、更可持续的能源未来。

了解更多我们的工作

致谢

这项工作是 Google DeepMind 与 Commonwealth Fusion Systems 的合作成果。

Google DeepMind 贡献者：David Pfau、Sarah Bechtle、Sebastian Bodenstein、Jonathan Citrin、Ian Davies、Bart De Vylder、Craig Donner、Tom Eccles、Federico Felici、Anushan Fernando、Ian Goodfellow、Philippe Hamel、Andrea Huber、Tyler Jackson、Amy Nommeots-Nomm、Tamara Norman、Uchechi Okereke、Francesca Pietra、Akhil Raju 和 Brendan Tracey。

Commonwealth Fusion Systems 贡献者：Devon Battaglia、Tom Body、Dan Boyer、Alex Creely、Jaydeep Deshpande、Christoph Hasse、Peter Kaloyannis、Wil Koch、Tom Looby、Matthew Reinke、Josh Sulkin、Anna Teplukhina、Misha Veldhoen、Josiah Wai 和 Chris Woodall。

我们还要感谢 Pushmeet Kohli 和 Bob Mumgaard 的支持。

鸣谢：SPARC 设施图片、SPARC 渲染图以及偏滤器靶板的 CAD 渲染图版权归 2025 Commonwealth Fusion Systems 所有。