来自ITER的启示:聚变如何教给AI新技2026年5月，ITER官网报道，在2026年4月28日至29日召开的ITER公私研讨会上，来自ITER、英伟达（NVIDIA）、NTT Data和Gaia Lab的参会代表传递出以下观点：聚变不仅是人工智能（AI）的应用场景，更是推动AI技术发展演进的重要动力之一。数据稀缺且昂贵：与互联网海量文本、图像不同，聚变实验数据稀缺、获取成本高昂。
数据异构与遗留问题：历史数据储存在老旧系统中，格式不统一，需要“数据考古”。
系统复杂：计算模型必须处理非线性等离子体行为和复杂的工程系统，以预测各种运行状态下的装置行为。
数据考古与重建：从欧洲联合环（JET）等老旧托卡马克中恢复有价值的数据、工具与背景信息；利用AI代理追踪文件、识别模式，重建历史运行知识。数据标准化与验证：开发了数据字典（IMAS Data Dictionary），使不同机器的数据可互换、软件可复用；急需在资深研究人员退休前验证高价值数据集。
内部知识助手：推出了“Lucy”AI助手，快速检索工程记录、技术文档，减少手动搜索时间。
预测未知：ITER组织正计划利用GPU集群训练聚变“世界模型”。该模型将从全球现有装置学习，目的是在机器状态发生变化前预测。这能让团队在运行脉冲之前进行模拟，测试程序，预判故障，并在ITER开始全面实验活动之前提高准备状态。算力跃升：NVIDIA方指出，训练好的AI代理模型可将传统模拟速度提升103到106倍，为“数字孪生”铺路。硬件革命：面对等离子体的微秒级响应需求，传统GPU已显吃力。Gaia Lab正基于Q.ANT的光子硬件开发一个聚变世界模型，利用其光基处理器“比实时更快”地预测和控制等离子体行为。Gaia Lab方表示，Q.ANT的原型现已部署，一个商业上可行的世界模型可能在2030年代结束前问世。聚变不仅可能成为新能源系统的试验场，也可能成为新型计算形式的试验场。施工进度管理：由于ITER正在进行组装和调试，施工支持是一个近期的优先事项。NTT Data介绍了如何利用激光雷达（LiDAR）追踪进度及实施预测性维护。辅助决策：利用AI分析数据辅助决策，可以加快施工进度，降低项目风险，并更迅速地解决问题。ITER正在攻克工业AI领域的若干关键难题，包括如何从稀缺数据中学习、如何整合碎片化档案、如何预测复杂物理系统，以及如何在错误代价高昂的情况下开展实时行动。聚变领域或许是AI应用难度最大的领域之一，同时也是锤炼AI未来能力的重要场景。有关IMAS：
https://www.iter.org/node/20687/how-fusion-teaching-ai-new-tricks-iter
有关“Lucy”AI助手：
https://www.iter.org/node/20687/ai-based-chatbot-helps-iter-users-find-information
编译自：
夜雨聆风
