2024年9月21日，Interesting Engineering发布了一篇题为《Nuclear fusion: US’ ORNL develops method to identify new alloys for reactors》的文章，报道了美国能源部橡树岭国家实验室(ORNL)科学家开发的一种新方法，旨在促进核聚变研究的发展。这项研究的核心是制造能够承受核聚变反应堆极端条件的合金材料。
新方法简化了寻找合适合金的过程，大大减少了所需的时间和精力。(代表性图片)
美国能源部橡树岭国家实验室(ORNL)的科学家们开发了一种新方法，旨在推动核聚变研究的发展。他们的研究重点在于制造能够承受核聚变反应堆极端条件的合金材料。
尤为重要的是，开发能够承受聚变反应堆内部恶劣环境的合金是实现核聚变成为可行且可持续能源的关键挑战。
几年前，这个项目由前人工智能计划主任David Womble发起，现在由ORNL的人工智能数据科学家Massimiliano Lupo Pasini领导。Lupo Pasini主张将人工智能科学发现(Artificial Intelligence Scientific Discovery, AISD)作为该项目的重点领域继续推进。这项研究的成果已经发表在《科学数据》(Scientific Data)杂志上。
Lupo Pasin指出，这些合金需要在极高温度下展现出卓越的性能，这包括对高温的耐受性以及在复杂核电站中使用所需的结构力学性能。
一、人工智能解决方案
传统合金通常以钨为主要成分，但它们难以持续提供必要的防护。Lupo Pasin补充说：“最近，材料科学界一直在探索用全新的颠覆性材料取代这些标准技术材料的机会。”
然而，可能的金属组合数量庞大，这在识别合适的合金候选材料方面构成了巨大的挑战。人工智能(AI)驱动的新方法在这里发挥了关键作用。
研究人员在新闻稿中提到：“在AI的指导下，研究人员可以绕过看似无尽的试错周期，更有效地找到可行的合金候选材料。”
二、模型发展与挑战
Lupo Pasini及其团队生成了大量数据，创建了一个AI模型，成功识别了三种元素，这些元素可以作为新合金的成分进行进一步测试。这个AI生成的数据库本身是一个重要的成就，标志着项目的第一阶段。
此图展示了铌 (Nb)、钽 (Ta) 和钒 (V) 等原子浓度的原子结构如何变得无序。AI 模型可帮助研究人员识别可用于屏蔽核反应堆中聚变应用组件的潜在原子结构。图片来源：Massimiliano Lupo Pasini/ORNL，美国能源部
新闻稿中解释说：“生成的数据将被用于进一步的研究，致力于开发、训练和部署机器学习模型，以用于材料的发现和设计。”
然而，创建这种AI模型需要克服显著的挑战，包括生成庞大的数据集，这需要劳伦斯伯克利国家实验室的Perlmutter超级计算机和ORNL的Summit超级计算机的大量计算资源。
Lupo Pasini解释说，由于其规模和复杂性，数据收集过程耗时超过一年。
三、未来的步骤和潜在影响
AI模型将通过分析所收集的数据进行训练，目的是协助科学家们探究在多种不同浓度下，六种元素混合时可能生成的各种化合物。
Lupo Pasini强调：“为了支持新型耐火高熵合金的设计，我们需要涵盖六种元素。”
这项开创性的研究可能会加速核聚变技术的发展，帮助我们更快地实现清洁和可持续能源的未来。
他总结道：“我们正试图通过减少材料科学家在确定不同元素混合比例时的试错方法，帮助他们找到能够带来聚变技术颠覆性进步的合金。”
免责声明：本网转载自合作媒体、机构或其他网站的信息，登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性。本网所有信息仅供参考，不做交易和服务的根据。本网内容如有侵权或其它问题请及时告之，本网将及时修改或删除。凡以任何方式登录本网站或直接、间接使用本网站资料者，视为自愿接受本网站声明的约束。
