Прорив MIT: штучний інтелект допоміг наблизити людство до керованого ядерного синтезу

Дослідники Массачусетського технологічного інституту (MIT) представили нову AI-підсилену модель прогнозування поведінки плазми в токамаках, яка підвищує надійність і безпеку майбутніх термоядерних електростанцій. Команда об’єднала машинне навчання з фізичною моделлю динаміки плазми, щоб передбачати розвиток нестабільностей під час критичної фази «заглушення» розряду (rampdown) і в режимі реального експерименту запропонувати безпечні траєкторії керування. Результати оприлюднено MIT News 7 жовтня 2025 року та супроводжено посиланням на статтю у Nature Communications.

Нова методика навчалася на даних швейцарського токамака TCV і показала високу точність за відносно невеликої кількості імпульсів — важлива перевага в умовах обмежених і дорогих експериментів. Модель не лише передбачає перебіг подій під час зниження струму, а й автоматично перекладає прогнози у практичні інструкції для контролерів токамака, що дозволило швидше та без зривів завершувати імпульси у випробуваннях. На думку авторів, це зменшує ризик пошкоджень внутрішніх стінок і усуває одну з ключових перешкод на шляху до промислової термоядерної енергетики.

Робота вписується в ширшу програму MIT із застосування ШІ до керування і моделювання плазми: на початку 2025 року MIT повідомляв про AI-посилені симуляції ядра плазми для прогнозу продуктивності режимів на установках на кшталт ITER, що пришвидшує планування експериментів і пошук ефективніших сценаріїв нагріву. Паралельно у світовій спільноті розвиваються підходи на базі глибокого підкріплювального навчання для керування конфігурацією плазми в реальному токамаку — відомі демонстрації на TCV — що додатково підтверджує потенціал ШІ як інструмента прискорення шляху до керованого синтезу.