DOE myöntää $159M tieteellisen tekoälyn tuomiseksi fuusioon, piirisuunnitteluun ja kvanttitutkimukseen

Fuusiokoe, geoterminen varanto ja säteilykestävyyttä varten rakennettu piiri jakavat yhteisen piirteen: jokainen voi vaatia tutkijoilta valtavan mahdollisten suunnitelmien avaruuden tutkimista ennen kuin toimiva löydetään. Yhdysvaltain energiaministeriön (DOE) uusin Genesis Mission -palkinnot pyrkivät sisällyttämään tekoälyn tähän hakuprosessiin, auttaen tutkijoita päättämään, mitä seuraavaksi simuloida, rakentaa ja testata.

DOE ilmoitti $159 miljoonaa 12:lle uudelle Phase II -projektille 8. lokakuuta 2026, kuuden lisä‑Phase I -palkinnon ohella. Ministeriö kertoo, että mission ensimmäisen vuoden kohortti on nyt valmis, sisältäen 297 projektia. Laajempi Phase II -portfoliosta löytyy 14 projektia, mukaan lukien GridFM 2.0 ja Prometheus, joita tukevat sähkö‑ ja ydinenergiaosastot.

Laajuus on epätavallisen laaja. Valittu työ ulottuu fuusiosta ja geotermisestä energiasta RNA‑rakenteisiin, harvinaisten maanalaisten erottamiseen, tieteelliseen ohjelmistoon ja kvanttilaskentaan. Mikä yhdistää projekteja, on käytännöllinen pyrkimys: käyttää tekoälyä lyhentämään etäisyyttä idean ja tieteellisesti hyödyllisen tuloksen välillä.

Mitä DOE tarkoittaa termillä “Super Intelligence”

DOE kuvaa aloitteen termillä “Super Intelligence”, lyhenteenä SI. Tämä terminologia vaatii tarkkuutta. Ilmoitus luo tutkimusportfolion ja sen suunnitellut sovellukset; se ei kuitenkaan esitä todisteita siitä, että yleiskäyttöinen tekoälyjärjestelmä olisi ylittänyt ihmisen kyvyt kaikessa tieteessä.

alkuperäiset Genesis-projektin valinnat, jotka ilmoitettiin heinäkuussa kuvaavat sekoitusta edistyneitä malleja, agenttirakenteita, tieteellistä ohjelmistoa ja suorituskykyistä laskentaa. Tämä on hyödyllinen tapa ymmärtää uudet palkinnot: investointeina tekoälyyn perustaviin tutkimusjärjestelmiin, joilla on kyvyt räätälöitynä erityisiin tieteenaloihin ja infrastruktuureihin.

On tärkeä ero uskottavan tieteellisen vastauksen tuottamisen ja luotettavan tieteellisen työnkulun suorittamisen välillä. Malli voi ehdottaa materiaalia, mutta sen ominaisuudet on silti mitattava. Agentti voi luoda simulaatiokoodia, mutta koodin on säilytettävä tutkijoiden aikomatkaiset yhtälöt ja oletukset. Optimointiohjelma voi suositella koneen asetusta, mutta sen on noudatettava käyttörajoja.

Mielenkiintoinen kysymys on siis, miten nämä projektit yhdistävät ennustamisen ja päättelyn todistusaineistoon. Tämä yhteys määrää, tuottaako investointi parempaa tiedettä vai vain tieteellisemmän näköistä tulosta.

Fuusio: digitaalinen kaksonen SPARC‑toimintojen suunnitteluun

Commonwealth Fusion Systems kehittää tekoälyyn perustuvaa digitaalista kaksoista SPARC‑toimintojen simuloimiseksi ja optimoimiseksi. Digitaalinen kaksonen on laskennallinen esitys fyysisestä järjestelmästä, joka on hyödyllinen tutkimaan, miten järjestelmä käyttäytyy erilaisissa olosuhteissa.

Yrityksellä on jo relevantti teknologinen perusta. Tammikuussa CFS julkaisi yhteistyön Siemensin ja NVIDIA:n kanssa yhdistäen suunnittelutyökaluja simulaatio- ja visualisointiteknologioihin. Tämä aikaisempi yhteistyö antaa kontekstin uudelle palkinnolle, vaikka DOE:n ilmoitus ei vahvista, että jokainen tammikuun arkkitehtuurin komponentti on rahoitetun projektin osa.

CFS selittää tekninen selostus tekoälystä ja simuloinnista että surrogate‑mallit voivat oppia laskennallisesti kalliista fysiikkasimulaatioista ja arvioida niiden tuloksia nopeammin. Tällaiset mallit voivat auttaa tutkijoita tutkimaan monia ehdotettuja toimintaehtoja ilman, että jokaiselle suoritetaan vaativin laskenta uudelleen.

Tokamakissa, jossa magneettikenttiä käytetään kuuman plasmakanavan rajoittamiseen, tämä luo mahdollisesti arvokkaan suunnittelutyökalun. Tutkijat voivat tarkastella ehdotettuja skenaarioita, tunnistaa lupaavia kokeita ja vertailla mallien ennusteita mittauksiin. Haasteena on tietää, missä nopea likiarvio on edelleen luotettava ja missä täysi fysiikkalaskenta on tarpeen.

SPARC on fuusiodemonstraatiolaitteisto, ja CFS pyrkii saavuttamaan nettopuusiovoiman vuonna 2027. Tämä tavoite koskee fuusiotehoa; sitä ei tule tulkita väitteeksi, että SPARC jo syöttää sähköä verkkoon. Lähitulevaisuuden merkitys tekoälyprojektissa on sen potentiaali parantaa kokeellista suunnittelua ja toimintaa.

Geoterminen energia ja harvinaiset maametallit: tekoälyn käyttö monimutkaisten fysikaalisten järjestelmien navigoimiseen

UC Irvine:n MAESTRO-projekti käyttää monen agentin lähestymistapaa syvien geotermisten varantojen kartoittamiseen, stimuloimiseen ja hallintaan. Nimi laajenee muotoon Multi-agent AI Expert for Subsurface Reasoning and Optimization.

Geologinen haaste on merkittävä. DOE:n parannettujen geotermisten järjestelmien yleiskatsaus selittää, että tuottava geoterminen resurssi tarvitsee lämpöä, nestettä ja läpäisevyyttä. Jos luonnolliset olosuhteet eivät riitä, insinöörit voivat luoda tai parantaa reittejä, jotka mahdollistavat nesteen kiertämisen kuuman kiven läpi ja lämmön kuljettamisen kohti pintaa.

Tämä tausta auttaa selittämään, miksi tekoälyjärjestelmä voisi olla hyödyllinen. Varannon päätökset sisältävät epätäydellistä alapuolista tietoa ja vuorovaikutteisia fysikaalisia prosesseja. Monen agentin arkkitehtuuri voisi jakaa analyyttisen työn erikoistuneiden komponenttien kesken, mutta DOE:n lyhyt ilmoitus ei määrittele MAESTRO:n täyttä toteutusta tai autonomian rajoja.

Arviomme on, että sen arvo riippuu siitä, kuinka hyvin yhdistetty järjestelmä käsittelee epävarmuutta. Luottamuksellisen varannon kuvauksen tuottaminen on vähemmän hyödyllistä kuin sen tunteminen, mikä on tiedossa, mikä on epävarmaa ja mikä mittaus parantaisi eniten seuraavaa operatiivista päätöstä.

Illinoisin yliopiston AXIS-hanke soveltaa tekoälyä elektrokemiallisissa prosesseissa harvinaisten maametallien erottamiseksi kotimaisista lähteistä. Sen keskittyminen redoksaktiiviseen ligandidesigniin osoittaa kemian, joka ohjaa valikoivaa erottelua.

Taustalla oleva suunnitteluongelma eroaa geotermisestä tekniikasta, mutta logiikka on samankaltainen: etsiä monimutkainen ehdokkaiden avaruus noudattaen fyysisiä rajoitteita. Erotteluteknologiassa merkityksellisen arvioinnin tulisi ulottua pidemmälle kuin sen tarkastelu, näyttääkö ehdokas lupaavalta mallissa. Selektiivisyys, talteenotto, energiankulutus ja suorituskyky realistisissa seoksissa olisivat hyödyllisiä edistymisen mittareita. Nämä ovat ehdotettuja arviointikriteerejä, eivät palkitusilmoituksessa raportoituja tuloksia.

Sirut ympäristöihin, joita tavallinen elektroniikka ei kestä

Fermilabin AXESS-hanke kohdistuu mikrosähkötekniikkaan, joka kestää korkean säteilyn, avaruuden ja äärimmäisen kylmät olosuhteet. Sen nimi, Accelerating Extreme Environment Specs-to-Silicon, kiteyttää pyrkimyksen siirtyä insinööri‑vaatimuksista sirusuunnitteluun nopeammin.

Fermilabin aikaisempi kuvaus aloitteesta selittää, miksi näiden laitteiden kehittäminen on vaikeaa. Tieteelliset instrumentit voivat vaatia räätälöityä elektroniikkaa, joka toimii olosuhteissa, jotka poikkeavat tavallisten kaupallisten sirujen suunnitteluolettamuksista. Laboratorio kuvaa tekoälyn käyttöä perinteisesti vaativan suunnitteluprosessin nopeuttamiseksi.

lokakuun ilmoitus sijoittaa AXESSin uuteen Genesis-rahoitukseen. Mahdollisuus on automatisoida enemmän erikoissirujen suunnitteluun liittyvää tutkimusta ja tarkistusta hyödyntäen asiantuntemusta laboratorioiden, yliopistojen ja teollisuuden välillä.

Suunnittelunopeus ja laitteen valmius ovat erillisiä virstanpylväitä. Vaikka suunnittelutyönkulku olisi dramaattisesti nopeampi, se tarvitsee silti vahvistuksen, valmistuksen ja fyysisen testauksen. Hiiri, joka on tarkoitettu hiukkasdetektoriin tai kriogeeniseen järjestelmään, on osoitettava, että sen toiminta kestää sille määritellyt olosuhteet. Pelkästään tekoälyn tuottamat suunnittelutiedostot eivät voi varmistaa tätä.

Kvanttitutkimus: laitteiston hyödyllistämistä ja materiaalien takaperin suunnittelua

Harvardin ASQC-hanke yhdistää tekoälyn kvanttihardwareen virhekorjauksen ratkaisemiseksi sovellustietoisen yhteissuunnittelun avulla. Käytännössä yhteissuunnittelu tarkoittaa, että sovellus, virheenkorjausmenetelmä ja laitteisto otetaan huomioon yhdessä sen sijaan, että ne käsiteltäisiin erillisinä ongelmina.

Kvanttilaitteet ovat herkkiä virheille. Virheenkorjausmenetelmät koodaavat tiedon fyysisten kubittien yli, jotta looginen kubitti olisi luotettavampi. Harvardin aikaisempi looginen kvanttiprocessor-tutkimus tarjoaa taustatietoa tästä erosta ja pyrkimyksestä suorittaa laskenta koodattujen kubittien avulla.

Uutta myönnystä ei tule tulkita ilmoitukseksi, että virheenkestävään kvanttilaskentaan on saatu valmiiksi. Sen sijaan se kohdistuu vaikeaan optimointiongelmaan: tieteellisten tehtävien sovittamiseen todellisen laitteiston resurssien ja virhekäyttäytymisen kanssa.

Oak Ridgein kansallinen laboratorio on valinnut hankkeen, joka käsittelee toista kvanttialuetta: fysiikkaan perustuva käänteissuunnittelu kvanttimagneeteille, joita käytetään antureissa ja vähävirtaisessa elektroniikassa. Käänteissuunnittelu alkaa halutusta käyttäytymisestä ja etsii järjestelmän, joka sen tuottaa, käänteisesti perinteiseen prosessiin, jossa valitaan materiaali ja lasketaan sen ominaisuudet.

Tämänkaltaisessa tutkimuksessa fysiikkaan perustuva mallintaminen on tärkeää, koska houkutteleva numeerinen ratkaisu voi olla fyysisesti toteuttamaton. Hyödyllisen suunnittelun on lopulta oltava yhteydessä materiaaleihin, jotka voidaan valmistaa ja mitata. Ilmoitus asettaa tutkimussuunnan; se ei raportoi valmista anturia tai kaupallista elektronista laitetta.

Vähemmän näkyvä infrastruktuuri tieteellisen tekoälyn takana

Useat muut myönnökset koskevat järjestelmiä, jotka mahdollistavat laajamittaisen tutkimuksen. MIT:n hanke yhdistää tekoälyn ja supertietokoneen lattice‑kvanttikromodynamiikkaan, laskennalliseen lähestymistapaan vahvan vuorovaikutuksen tutkimiseksi. Lawrence Berkeley National Laboratoryin MOAT-Core kehittää jaetun tekoälyalustan kiihdyttimien suunnitteluun ja käyttöön. Northeasternin hanke soveltaa agenttipohjaista apua Rare Isotope Beams -laitokseen.

Argonnen AI4HPC-hanke sisältää tieteellisen laskentaohjelmiston kehittämisen, optimoinnin ja vahvistamisen. Tämä vahvistusosa on merkittävä: ohjelma, joka toimii nopeammin mutta muuttaa hiljaisesti tieteellistä laskentaa, ei ole parannus.

Biologia on myös edustettuna. UC San Diego pyrkii viisi kertaa laajentamaan RNA‑rakenteiden tietokantaa, kun taas Washingtonin yliopisto työskentelee entsyymisuunnittelun parissa parannetun sekvenssi‑rakenteen ensemble‑mallinnuksen avulla.

Nämä hankkeet korostavat kahta riippuvuutta, jotka usein jäävät mallijulkaisujen varjoon: luotettavat tiedot ja luotettavat työkalut. Tieteellisen agentin hyödyllisyys on rajoitettu siihen, mihin se pääsee käsiksi ja mitä se voi suorittaa. Agenttien yhdistäminen simulointimoottoreihin, kuratoituihin tietoaineistoihin ja instrumentteihin voi tehdä niistä kykenevämpiä, samalla kun tarve seurata niiden toimia ja vahvistaa niiden tuloksia kasvaa.

Kuten Anthropicin tuki Genesis-missiolle kattauksessamme osoitetaan, hanke sisältää myös kaupallisten tekoälykykyjen tuomisen tieteelliseen ekosysteemiin. Rahoitetut hankkeet joutuvat osoittamaan, miten nämä kyvyt muuttuvat mitattaviksi tutkimusvoitoiksi.

Kaksi erillistä sijoitusta näitä työkaluja käyttäville tutkijoille

DOE ilmoitti myös Genesis Mission Graduate Fellowship Pilot -ohjelmasta. Ohjelma varaa enintään 100 miljoonaa dollaria, joista 20 miljoonaa on vuodelle 2027, ja myöhempi rahoitus on riippuvainen kongressin budjettipäätöksistä. Alkuperäisen ryhmän odotetaan tukevan noin 100 tohtorikoulutettavaa nelivuotisilla poluilla, jotka yhdistävät tekoälyn ja tieteellisen alan.

Suunnitellut sijoitukset sisältävät sekä DOE:n laboratorion tai käyttäjätilan että teollisen ympäristön. Tämä rakenne voi auttaa tutkijoita ymmärtämään kuilua tekoälymenetelmän kehittämisen ja sen hyödyllisyyden saattamisen välillä kokeellisessa tai operatiivisessa ympäristössä.

Erillinen Early Career Research Program -ilmoitus kattaa $96 miljoonaa 67:lle tutkijalle, yliopistopalkinnoina noin $875 000 ja laboratoriopalkinnoina $2,75 miljoonaa viiden vuoden aikana. Sen kohteisiin kuuluvat tekoäly, kvanttitiede ja fuusio sekä muut tutkimusalueet. DOE toteaa, että palkintojen valinnat ovat edelleen neuvottelujen alaisia.

Näitä summia ei tule yhdistää yhdeksi kokonaiseksi Genesis-paketiksi. 159 miljoonaa dollaria koskee uusia vaihe II -projekteja; apurinhaalla on ehdollinen tulevaisuuden rahoitussuunnitelma; ja varhaisen uran tuki on erillinen ohjelma.

Mitä pidettäisiin menestyksenä?

Tämän portfolion vahvin koetus on, parantaako tekoäly tieteellistä työtä realistisissa olosuhteissa. Tämä tarkoittaa, että mitataan aika ja resurssit, jotka tarvitaan validoidun tuloksen saavuttamiseen, tuloksen laatua sekä järjestelmän kykyä tunnistaa, milloin sen omat menetelmät ovat epäluotettavia.

Hyödyllisen fuusiomallin tulisi auttaa suunnittelemaan parempia kokeita. Piirisuunnittelua hoitavan agentin tulisi tuottaa suunnitelmia, jotka läpäisevät tarkastuksen ja fyysisen testauksen. Geoterminen järjestelmä tulisi tukea päätöksiä, jotka pysyvät pätevinä, kun uudet kenttämittaukset saapuvat. Tieteellinen koodausväline tulisi säilyttää oikeellisuus samalla kun se parantaa suorituskykyä.

Genesis-palkinnot luovat tilaa testata näitä väitteitä hyvin eri tieteenaloilla. Niiden merkitys on tekoälyn tuominen lähemmäs tieteellistä laitteistoa, dataa ja rajoitteita – sekä tutkijoille annetaan resurssit selvittää, missä se todella auttaa.