- Google Gemini 4 Argon 协助研究人员探索实验核聚变反应堆的磁场方程
- AI 代理在数小时内发现新的磁性配置，扩展了数学解决方案
- 该成果针对一个存在 59 年的核聚变研究猜想，提供了更广泛的精确解
Google 的 Gemini 4 Argon 模型近期协助研究人员扩展了关于实验核聚变反应堆内部磁场的数学解决方案。这一进展建立在挑战长期科学猜想的最新研究基础之上。
需要明确的是，这项成就主要涉及用于模拟磁场如何约束超热燃料的计算方法，并非直接产生电力或实现核聚变商业可行性的技术突破。团队并未证明此前被认为不可能解决的问题，而是利用人工智能将现有解决方案扩展到之前未被涵盖的配置中。
Gemini 通过扩展现有数学模型找到新解
在原子核结合并释放能量之前，磁约束聚变依赖强大的磁场来封闭极热的带电气体（等离子体）。科学家需要这些磁场的精确数学模型，以便通过计算机模拟了解等离子体行为，并设计能够维持约束的配置。
1967 年，物理学家 Harold Grad 提出了一个关于三维磁场平衡数学条件的猜想，该猜想对等离子体结构的研究产生了深远影响。2026 年 9 月，马里兰大学研究员 Matt Landreman 在 OpenAI 的 GPT-6 Astra Pro 辅助下，发表了与该猜想相矛盾的确切解决方案。
早期的这些解决方案至关重要，因为它们提供了具体的数学实例，使研究人员能够测试用于建模磁通量的软件，而无需完全依赖近似值。然而，这两个解决方案家族均具有特定的几何对称性，导致研究人员缺乏同等精度的示例来处理不具备该属性的配置。
随后，由 Opal Issan、Jonathan Citrin、Matt Landreman 和 Brendan Tracey 组成的研究团队进行了一项新研究，通过引入一个打破这种对称性的参数，成功扩展了现有的解决方案。由此产生的数学配置为研究人员提供了额外的参考案例，用于检查那些在复杂三维安排中计算磁平衡的计算机程序。
人工智能加速搜索过程而非整个科研流程
研究人员使用 Google 的反重力环境中的 Gemini 4 Argon，部署多个 AI 代理来探索 Landreman 的早期结果，并研究扩展这些结果的方法。这些代理发现了从 Landreman 的解决方案中去除数学对称性限制的路径，生成了可供研究人员验证的新配置。
据研究团队报告，有希望的数学候选方案在开始调查后的几个小时内便出现。这表明人工智能可以加速涉及广泛计算和相互关联数学条件的困难调查过程。这种速度提升具有重要意义，因为开发和检查潜在解决方案通常需要研究人员执行复杂的计算，并确定结果的数学关系是否一致。
尽管 AI 加快了发现过程，但这仅是科研工作的一部分。研究人员仍需手动检查衍生结果，并确定提出的解决方案在数学上是否真正一致。此外，该团队在准备研究稿件的部分内容时结合了计算验证与人工智能协助，但作者保留了最终出版作品的责任。
对于研究磁通量约束的科学家而言，此次即时取得的成就是获得了更广泛的精确数学解决方案，这并不等同于人工智能解决了核聚变问题或消除了其工程障碍的证据。
