AI 將電漿模擬時間壓縮至秒級，核融合設計加速推進

長期被視為潔淨能源終極解方的核融合，最大的工程挑戰之一，在於如何精準掌握高溫電漿中的湍流行為（plasma turbulence）。由於相關物理現象極為複雜，過去仰賴超級電腦進行模擬，往往需要數小時甚至數天，嚴重拉長核融合電廠的設計與驗證時程。

來自 UK Atomic Energy Authority、Johannes Kepler University Linz 與 Emmi AI 的研究團隊，近日開發出一套名為 GyroSwin 的人工智慧模型，可在數秒內完成高複雜度的五維（5D）電漿湍流模擬，相較傳統需耗時數小時甚至數天的計算方式，速度最高提升達 1,000 倍，為核融合工程化帶來關鍵突破。

核融合反應必須在極端高溫下，透過強大磁場穩定並侷限電漿，而電漿內部的湍流會直接影響能量損失與反應穩定度，因此必須仰賴高度精準的模擬工具。現行主流方法採用五維迴旋動力學模型，雖能貼近真實物理行為，但計算量極為龐大，是核融合研發進程中的主要瓶頸。

GyroSwin 的做法，並非即時計算所有電漿動態，而是透過 AI 學習大量既有的 5D 模擬結果，建立可快速運行的「代理模型」。在保留關鍵物理特徵的前提下，讓模擬時間從原本的數小時、數天，大幅縮短至秒級，使研究人員能以更高頻率測試不同設計條件。

英國原子能管理局運算計畫總監 Rob Akers 指出，未來核融合電廠的設計、開發與運作，將涉及數以百萬計的電漿模擬，若無法大幅降低運算時間與成本，實務上難以推進。他強調，AI 模型在兼顧速度與物理準確度下，對縮短設計週期具有關鍵意義。

研究團隊也指出，GyroSwin 能在高維度資料下維持物理可解釋性，是其最大特色之一，讓模擬結果不只是「算得快」，也能被科學家實際用於工程判斷。

接下來，英國原子能管理局將評估把這套 AI 模擬工具，導入下一代核融合電廠設計計畫，包括英國正在推動的 STEP（Spherical Tokamak for Energy Production）。該計畫在設計階段即需進行大量電漿情境模擬與不確定性分析，隨著物理模型愈趨複雜，快速模擬能力的重要性也將持續升高。