DOE acordă $159M pentru a introduce AI științific în fuziune, proiectarea de cipuri și cercetarea cuantică

Un experiment de fuziune, un rezervor geotermal și un cip conceput să reziste la radiații intense au ceva în comun: fiecare poate necesita ca cercetătorii să exploreze un spațiu enorm de proiecte posibile înainte de a găsi una care funcționează. Cele mai recente premii ale Misiunii Genesis ale Departamentului de Energie al SUA urmăresc să introducă AI în acest proces de căutare, ajutând oamenii de știință să decidă ce să simuleze, să construiască și să testeze în continuare.

DOE a anunțat $159 million pentru 12 proiecte noi de Faza II pe 8 octombrie 2026, alături de șase premii suplimentare de Faza I. Departamentul spune că cohorta misiunii din primul an este acum completă, cu 297 de proiecte. Portofoliul său mai larg de Faza II conține 14 proiecte, inclusiv GridFM 2.0 și Prometheus, susținute prin birourile pentru Electricitate și Energie Nucleară.

Domeniul este neobișnuit de larg. Lucrările selectate se întind de la fuziune și energie geotermală la structuri de ARN, separarea metalelor rare, software științific și calcul cuantic. Ceea ce leagă proiectele este o ambiție practică: utilizarea AI pentru a scurta distanța dintre o idee și un rezultat științific util.

Ce înțelege DOE prin „Super Inteligență”

DOE descrie inițiativa folosind termenul „Super Inteligență”, abreviat SI. Această terminologie necesită prudență. Anunțul stabilește un portofoliu de cercetare și aplicațiile sale vizate; nu prezintă dovezi că un sistem AI cu scop general a depășit capacitatea umană în știință.

Selecțiile selecțiile inițiale ale proiectelor Genesis anunțate în iulie descriu un amestec de modele avansate, cadre de agenți, software științific și calcul de înaltă performanță. Aceasta este o modalitate utilă de a înțelege noile premii: ca investiții în sisteme de cercetare cu AI, cu capabilități adaptate anumitor discipline și infrastructuri.

Există o distincție importantă între generarea unui răspuns științific plauzibil și finalizarea unui flux de lucru științific fiabil. Un model poate propune un material, dar proprietățile sale necesită încă măsurare. Un agent poate genera cod de simulare, dar codul trebuie să păstreze ecuațiile și ipotezele pe care cercetătorii le-au avut în vedere. Un optimizer poate recomanda o setare a mașinii, dar trebuie să respecte limitele de operare.

Întrebarea interesantă este, așadar, cum leagă aceste proiecte predicția și raționamentul de dovezi. Această legătură va determina dacă investiția produce știință mai bună în loc să genereze doar rezultate cu aspect științific.

Fuziune: un „digital twin” pentru planificarea operațiunilor SPARC

Commonwealth Fusion Systems dezvoltă un „digital twin” cu AI pentru a simula și optimiza operațiunile SPARC. Un „digital twin” este o reprezentare computațională a unui sistem fizic, utilă pentru a explora cum ar putea să se comporte acel sistem în diferite condiții.

Compania are deja o bază tehnologică relevantă. În ianuarie, CFS a anunțat colaborarea cu Siemens și NVIDIA combinând instrumente de inginerie cu tehnologii de simulare și vizualizare. Acea colaborare anterioară oferă context pentru noul premiu, deși anunțul DOE nu stabilește că fiecare componentă a arhitecturii din ianuarie face parte din proiectul finanțat.

CFS explică în raport tehnic despre AI și simulare că modelele surrogate pot învăța din simulări fizice computațional costisitoare și pot aproxima ieșirile lor mult mai rapid. Astfel de modele pot ajuta cercetătorii să exploreze numeroase condiții de operare candidate fără a rula din nou cea mai solicitantă calcul pentru fiecare dintre ele.

Pentru un tokamak, care folosește câmpuri magnetice pentru a confina plasma fierbinte, aceasta creează un instrument de planificare potențial valoros. Cercetătorii pot examina scenarii candidate, pot identifica experimente promițătoare și pot compara predicțiile modelelor cu măsurătorile. Partea dificilă este să știm unde o aproximație rapidă rămâne de încredere și unde este necesar calculul complet al fizicii.

SPARC este o mașină demonstrativă de fuziune, iar CFS vizează energia netă de fuziune în 2027. Acest obiectiv se referă la performanța fuziunii; nu trebuie interpretat ca o afirmație că SPARC furnizează deja electricitate rețelei. Importanța pe termen scurt a proiectului AI este potențialul său de a îmbunătăți planificarea și operarea experimentală.

Geotermală și metale rare: utilizarea AI pentru a naviga sisteme fizice complexe

Proiectul MAESTRO al UC Irvine adoptă o abordare multi-agent pentru cartografierea, stimularea și gestionarea rezervelor geotermale profunde. Numele se extinde la Multi-agent AI Expert for Subsurface Reasoning and Optimization.

Provocarea geologică este considerabilă. DOE’s prezentare a sistemelor geotermale avansate explică că o resursă geotermală productivă necesită căldură, fluid și permeabilitate. În cazul în care condițiile naturale sunt insuficiente, ingineria poate crea sau îmbunătăți căi care permit fluidului să circule prin roca fierbinte și să transporte căldura spre suprafață.

Acest context ajută la explicarea motivului pentru care un sistem AI ar putea fi util. Deciziile privind rezervorul implică informații subterane imperfecte și procese fizice interdependente. O arhitectură multi-agent ar putea împărți munca analitică între componente specializate, dar scurtul anunț al DOE nu specifică implementarea completă a MAESTRO sau limitele autonomiei sale.

Evaluarea noastră este că valoarea sa va depinde de cât de bine sistemul combinat gestionează incertitudinea. Generarea unei descrieri sigure a rezervorului este mai puțin utilă decât identificarea a ceea ce se cunoaște, a ceea ce rămâne incert și a măsurătorii care ar îmbunătăți cel mai mult următoarea decizie operațională.

Proiectul AXIS al Universității din Illinois aplică inteligența artificială la procesele electrochimice pentru extragerea elementelor rare din surse interne. Accentul său pe proiectarea ligandului redox‑activ indică chimia care guvernează separarea selectivă.

Problema de proiectare de bază este diferită de cea a ingineriei geotermale, dar logica este similară: căutarea unui spațiu complicat de candidați respectând constrângerile fizice. Pentru tehnologia de separare, evaluarea semnificativă ar trebui să depășească simpla promisiune a unui candidat într-un model. Selectivitatea, recuperarea, consumul de energie și performanța în amestecuri realiste ar fi măsuri utile ale progresului. Acestea sunt criterii de evaluare propuse, nu rezultate raportate în anunțul premiului.

Cipuri pentru medii pe care electronica obișnuită nu le poate tolera

Proiectul AXESS al Fermilab vizează microelectronica pentru medii cu radiație intensă, spațiu și temperaturi extrem de scăzute. Numele său, Accelerating Extreme Environment Specs-to-Silicon, surprinde ambiția de a trece mai rapid de la cerințele de inginerie la proiectele de cipuri.

descrierea anterioară a inițiativei de către Fermilab explică de ce aceste dispozitive sunt dificil de dezvoltat. Instrumentele științifice pot necesita electronice personalizate care funcționează în condiții dincolo de presupunerile de proiectare ale cipurilor comerciale obișnuite. Laboratorul descrie utilizarea inteligenței artificiale pentru a accelera un proces de proiectare tradițional exigent.

anunțul din octombrie plasează AXESS în cadrul noii finanțări Genesis. Oportunitatea este de a automatiza o parte mai mare a explorării și verificării implicate în proiectarea de cipuri specializate, valorificând expertiza din laboratoare, universități și industrie.

Viteza de proiectare și pregătirea dispozitivului sunt etape separate. Chiar și un flux de lucru de proiectare mult mai rapid necesită totuși verificare, fabricație și testare fizică. Un cip destinat unui detector de particule sau unui sistem criogenic trebuie să demonstreze că comportamentul său rezistă condițiilor specificate pentru el. Fișierele de proiectare generate de IA, luate izolat, nu pot confirma acest lucru.

Cercetare cuantică: transformarea hardware‑ului în ceva util și proiectarea materialelor invers

Proiectul ASQC al Harvard combină inteligența artificială cu hardware‑ul cuantic pentru a aborda corecția erorilor prin co‑proiectare conștientă de aplicație. În termeni practici, co‑proiectarea înseamnă a lua în considerare simultan aplicația, metoda de corecție a erorilor și hardware‑ul, în loc să se trateze fiecare ca o problemă izolată.

Dispozitivele cuantice sunt sensibile la erori. Schemele de corecție a erorilor codifică informația pe mai mulți qubiți fizici astfel încât un qubit logic să fie mai fiabil. cercetarea anterioară asupra procesoarelor cuantice logice a Harvard oferă context pentru această distincție și efortul de a rula calcule utilizând qubiți codificați.

Noul premiu nu trebuie interpretat ca un anunț că calculul cuantic tolerant la erori a fost finalizat. În schimb, vizează o problemă dificilă de optimizare: potrivirea sarcinilor științifice cu resursele și comportamentul de eroare al hardware‑ului real.

Proiectul selectat de Oak Ridge National Laboratory abordează o altă frontieră cuantică: proiectarea inversă, bazată pe fizică, a magneților cuantici pentru senzori și electronică cu consum redus de energie. Proiectarea inversă începe cu un comportament dorit și caută un sistem care să îl producă, inversând procesul obișnuit de alegere a unui material și apoi calcularea proprietăților sale.

Pentru acest tip de cercetare, modelarea bazată pe fizică este importantă deoarece o soluție numerică atrăgătoare poate fi fizic imposibil de realizat. Un proiect util trebuie în final să se lege de materiale care pot fi fabricate și măsurate. Anunțul stabilește această direcție de cercetare; nu raportează un senzor finalizat sau un dispozitiv electronic comercial.

Infrastructura mai puțin vizibilă din spatele IA‑ului științific

Mai multe alte premii vizează sistemele care fac posibilă cercetarea la scară largă. Proiectul MIT conectează IA și supercalculatoarele la cromodinamica cuantică pe rețea, o abordare computațională pentru studiul interacțiunii puternice. MOAT‑Core de la Lawrence Berkeley National Laboratory dezvoltă o platformă AI comună pentru proiectarea și operarea acceleratoarelor. Proiectul Northeastern aplică asistență agentică la Facility for Rare Isotope Beams.

Efortul AI4HPC al Argonne include dezvoltarea, optimizarea și verificarea software‑ului de calcul științific. Componenta de verificare este crucială: un program care rulează mai repede, dar modifică în tăcere calculul științific, nu reprezintă o îmbunătățire.

Biologia este, de asemenea, reprezentată. UC San Diego își propune să extindă de cinci ori o bază de date cu structuri de ARN, în timp ce Universitatea Washington va lucra la proiectarea enzimelor prin modelarea îmbunătățită a ansamblului secvență‑structură.

Aceste proiecte evidențiază două dependențe adesea umbrite de anunțurile de modele: date de încredere și instrumente fiabile. Utilitatea unui agent științific este limitată de ceea ce poate accesa și executa. Conectarea agenților la motoare de simulare, seturi de date curate și instrumente poate să îi facă mai capabili, în timp ce crește necesitatea de a urmări acțiunile lor și de a valida rezultatele.

Așa cum ilustrează acoperirea noastră a sprijinul Anthropic pentru Misiunea Genesis, inițiativa implică, de asemenea, introducerea capabilităților comerciale de IA în ecosistemul științific. Proiectele finanțate vor trebui să stabilească modul în care aceste capabilități se traduc în câștiguri de cercetare cuantificabile.

Două investiții separate în cercetătorii care vor folosi aceste instrumente

DOE a anunțat, de asemenea, un Genesis Mission Graduate Fellowship Pilot. Se preconizează până la 100 de milioane de dolari, inclusiv 20 de milioane în anul fiscal 2027, cu finanțări ulterioare supuse aprobărilor congresului. Cohorta inițială ar trebui să sprijine aproximativ 100 de doctoranzi prin trasee de patru ani care combină IA cu o disciplină științifică.

Locurile planificate includ atât un laborator sau o facilitate de utilizator DOE, cât și un mediu industrial. Această structură ar putea ajuta cercetătorii să înțeleagă diferența dintre dezvoltarea unei metode IA și utilizarea ei practică într-un mediu experimental sau operațional.

Un anunț al Programului de Cercetare pentru Carieră Tânără separat acoperă 96 de milioane de dolari pentru 67 de cercetători, cu premii universitare de aproximativ 875.000 de dolari și premii de laborator de 2,75 milioane de dolari pe parcursul a cinci ani. Domeniul său include IA, știința cuantică și fuziunea, printre alte domenii de cercetare. DOE menționează că selecțiile premiilor rămân supuse negocierilor.

Aceste sume nu ar trebui să fie consolidate într-un singur pachet complet acordat pentru Genesis. Cei 159 de milioane de dolari se referă la noile proiecte din Faza II; bursă are un plan de finanțare viitoare condiționată; iar sprijinul pentru cariere timpurii este un program separat.

Ce ar conta ca succes?

Cel mai puternic test al acestui portofoliu va fi dacă IA îmbunătățește munca științifică în condiții realiste. Aceasta înseamnă măsurarea timpului și a resurselor necesare pentru a obține un rezultat validat, calitatea rezultatului și capacitatea sistemului de a recunoaște când propriile metode sunt nesigure.

Un model util de fuziune ar trebui să ajute la planificarea unor experimente mai bune. Un agent de proiectare a cipurilor ar trebui să producă designuri care trec de verificare și de testarea fizică. Un sistem geotermal ar trebui să susțină decizii care rămân solide când noi măsurători de teren apar. Un instrument de programare științifică ar trebui să păstreze corectitudinea pe măsură ce îmbunătățește performanța.

Premiile Genesis creează spațiu pentru a testa aceste ipoteze în discipline foarte diferite. Importanța lor constă în apropierea IA de mașinării, datele și constrângerile științei — și în oferirea cercetătorilor de resurse pentru a descoperi unde ajută cu adevărat.