长期被视为洁净能源终极解决方案的核融合，最大的工程挑战之一，在于如何精准掌握高温电浆中的湍流行为（plasma turbulence）。由于相关物理现象极为复杂，过去依赖超级计算机进行模拟，往往需要数小时甚至数天，严重拉长核融合电厂的设计与验证进程。
来自UK Atomic Energy Authority、Johannes Kepler University Linz与Emmi AI的研究团队，近日开发出一套名为GyroSwin的人工智能模型，可在数秒内完成高复杂度的五维（5D）电浆湍流模拟，相较传统需耗时长小时甚至数天的计算方式，速度最高提升达1,000倍，为核融合工程化带来关键突破。
核融合反应必须在极端高温下，通过强大磁场稳定并局限电浆，而电浆内部的湍流会直接影响能量损失与反应稳定度，因此必须依赖高度精准的模拟工具。现行主流方法采用五维回旋动力学模型，虽能贴近真实物理行为，但计算量极为庞大，是核融合研发进程中的主要瓶颈。
GyroSwin的做法，并非即时计算所有电浆动态，而是通过AI学习大量既有的5D模拟结果，创建可快速运行的“代理模型”。在保留关键物理特征的前提下，让模拟时间从原本的数小时、数天，大幅缩短至秒级，使研究人员能以更高频率测试不同设计条件。
英国原子能管理局运算计划总监Rob Akers指出，未来核融合电厂的设计、开发与运行，将涉及数以百万计的电浆模拟，若无法大幅降低运算时间与成本，实务上难以推进。他强调，AI模型在兼顾速度与物理准确度下，对缩短设计周期具有关键意义。
研究团队也指出，GyroSwin能在高维度数据下维持物理可解释性，是其最大特色之一，让模拟结果不只是“算得快”，也能被科学家实际用于工程判断。
接下来，英国原子能管理局将评估把这套AI模拟工具，导入下一代核融合电厂设计计划，包括英国正在推动的STEP（Spherical Tokamak for Energy Production）。该计划在设计阶段即需进行大量电浆场景模拟与不确定性分析，随着物理模型愈趋复杂，快速模拟能力的重要性也将持续升高。
（首图来源：UK goveronment）
