DOE, $159M’ı Bilimsel AI’yi Füzyon, Çip Tasarımı ve Kuantum Araştırmalarına Getirmek İçin Veriyor

Bir füzyon deneyi, bir jeotermal rezervuar ve yoğun radyasyona dayanacak şekilde tasarlanmış bir çip, ortak bir özelliğe sahiptir: her biri, araştırmacıların çalışan bir tasarım bulmadan önce olası tasarımların devasa bir uzayını keşfetmesini gerektirebilir. ABD Enerji Bakanlığı’nın en son Genesis Misyonu ödülleri, AI’yi bu arama sürecine dahil etmeyi hedefleyerek bilim insanlarının bir sonraki neyi simüle edeceklerini, inşa edeceklerini ve test edeceklerini belirlemelerine yardımcı oluyor.

DOE, 8 Ekim 2026’da $159 milyon için 12 yeni Faz II projesi duyurdu, ayrıca altı ek Faz I ödülü verildi. Bakanlık, misyonun birinci yıl topluluğunun artık 297 projeyle tamamlandığını belirtiyor. Daha geniş Faz II portföyü, Elektrik ve Nükleer Enerji ofisleri aracılığıyla desteklenen GridFM 2.0 ve Prometheus dahil 14 projeyi içeriyor.

Kapsam olağanüstü geniştir. Seçilen çalışmalar, füzyon ve jeotermal enerjiden RNA yapıları, nadir toprak ayırma, bilimsel yazılım ve kuantum hesaplamaya kadar uzanıyor. Projeleri birleştiren şey, pratik bir hedef: AI’yi kullanarak bir fikir ile bilimsel açıdan faydalı bir sonuç arasındaki mesafeyi kısaltmak.

DOE’nin “Süper Zeka”dan Ne Anlamı Var

DOE, girişimi “Süper Zeka” (kısaca SI) terimiyle tanımlıyor. Bu terminoloji dikkat gerektirir. Duyuru, bir araştırma portföyü ve amaçlanan uygulamalarını ortaya koyuyor; ancak genel amaçlı bir AI sisteminin bilimde insan yeteneğini aştığına dair kanıt sunmuyor.

Temmuz ayında duyurulan ilk Genesis proje seçimleri, gelişmiş modeller, ajan çerçeveleri, bilimsel yazılım ve yüksek performanslı bilişim karışımını tanımlıyor. Bu, yeni ödülleri anlamanın faydalı bir yolu: belirli disiplinlere ve altyapıya göre uyarlanmış yeteneklere sahip AI destekli araştırma sistemlerine yapılan yatırımlar olarak.

İnanılır bir bilimsel yanıt üretmek ile güvenilir bir bilimsel iş akışını tamamlamak arasında önemli bir ayrım vardır. Bir model bir malzeme önerebilir, ancak özelliklerinin hâlâ ölçülmesi gerekir. Bir ajan simülasyon kodu üretebilir, ancak kod araştırmacıların niyet ettiği denklemleri ve varsayımları korumalıdır. Bir optimizasyon aracı bir makine ayarı önerebilir, ancak bu ayar işletim sınırlamalarına saygı göstermelidir.

Dolayısıyla ilginç soru, bu projelerin tahmin ve akıl yürütmeyi kanıta nasıl bağladığıdır. Bu bağ, yatırımın sadece daha bilimsel görünen bir çıktı üretmek yerine daha iyi bilim üretip üretmeyeceğini belirleyecektir.

Füzyon: SPARC Operasyonlarını Planlamak İçin Dijital İkiz

Commonwealth Fusion Systems, AI destekli bir dijital ikiz geliştirerek SPARC operasyonlarını simüle etmeyi ve optimize etmeyi hedefliyor. Dijital ikiz, fiziksel bir sistemin hesaplamalı temsilidir ve bu sistemin farklı koşullar altında nasıl davranabileceğini keşfetmek için yararlıdır.

Şirketin zaten ilgili bir teknoloji temeli var. Ocak ayında CFS, Siemens ve NVIDIA ile çalışmayı duyurdu mühendislik araçlarını simülasyon ve görselleştirme teknolojileriyle birleştiriyor. Bu önceki iş birliği, yeni ödül için bağlam sağlıyor, ancak DOE’nin duyurusu Ocak mimarisinin her bileşeninin fonlanan projenin bir parçası olduğunu göstermiyor.

CFS, AI ve simülasyon teknik raporu içinde, vekil modellerin hesaplamalı olarak pahalı fizik simülasyonlarından öğrenebileceğini ve çıktıları daha hızlı tahmin edebileceğini açıklıyor. Bu tür modeller, araştırmacıların her bir aday koşul için en zorlu hesaplamayı yeniden çalıştırmadan birçok olası işletme koşulunu keşfetmelerine yardımcı olabilir.

Sıcak plazmayı manyetik alanlarla sınırlayan bir tokamak için bu, potansiyel olarak değerli bir planlama aracı oluşturur. Araştırmacılar aday senaryoları inceleyebilir, umut verici deneyleri belirleyebilir ve model tahminlerini ölçümlerle karşılaştırabilir. Zor kısım, hızlı bir yaklaşımanın nerede güvenilir kalacağını ve nerede tam fizik hesaplamasının gerektiğini bilmektir.

SPARC bir füzyon gösterim makinesidir, CFS 2027’de net füzyon enerjisini hedefliyor. Bu hedef, füzyon performansıyla ilgilidir; SPARC’ın zaten şebekeye elektrik sağladığı iddiası olarak yorumlanmamalıdır. AI projesinin kısa vadeli önemi, deneysel planlamayı ve operasyonu iyileştirme potansiyelidir.

Jeotermal ve nadir topraklar: Karmaşık Fiziksel Sistemlerde Yol Almak İçin AI Kullanımı

UC Irvine’ın MAESTRO projesi, derin jeotermal rezervuarları haritalama, uyarma ve yönetme için çok ajanlı bir yaklaşım benimser. İsmin açılımı, Yeraltı Akıl Yürütmesi ve Optimizasyonu için Çok Ajanlı AI Uzmanı anlamına gelir.

Jeolojik zorluk büyük. DOE’nin gelişmiş jeotermal sistemler genel bakışı verimli bir jeotermal kaynağın ısı, akışkan ve geçirgenliğe ihtiyaç duyduğunu açıklıyor. Doğal koşullar yetersiz olduğunda, mühendislik, akışkanın sıcak kayadan dolaşarak yüzeye ısı taşımasına izin veren yolları oluşturabilir veya iyileştirebilir.

Bu arka plan, bir AI sisteminin neden faydalı olabileceğini açıklamaya yardımcı olur. Rezervuar kararları, kusurlu yeraltı bilgisi ve etkileşen fiziksel süreçleri içerir. Çok ajanlı bir mimari, analiz işini uzman bileşenler arasında bölüştürebilir, ancak DOE’nin kısa duyurusu MAESTRO’nun tam uygulamasını veya özerklik sınırlarını belirtmiyor.

Değerlendirmemiz, değerinin birleşik sistemin belirsizliği ne kadar iyi yönettiğine bağlı olacağı yönündedir. Güvenilir bir rezervuar tanımı üretmek, neyin bilindiğini, neyin belirsiz kaldığını ve bir sonraki operasyonel kararı en çok hangi ölçümün iyileştireceğini belirlemek kadar faydalı değildir.

University of Illinois’ın AXIS projesi, nadir toprak elementlerini yerli kaynaklardan çıkarmak için elektrokimyasal süreçlere yapay zekâ uygulamaktadır. Kırmızıoksidatif ligand tasarımına odaklanması, seçici ayırmayı yöneten kimyaya işaret etmektedir.

Temel tasarım sorunu jeotermal mühendislikten farklıdır, ancak mantık benzer: fiziksel kısıtlamalara uyarak adayların karmaşık bir uzayını aramak. Ayırma teknolojisi için anlamlı değerlendirme, bir adayın modelde umut verici görünüp görünmediğinin ötesine geçmelidir. Seçicilik, geri kazanım, enerji tüketimi ve gerçekçi karışımlardaki performans, ilerlemenin faydalı ölçütleri olacaktır. Bunlar önerilen değerlendirme kriterleridir, ödül duyurusunda bildirilen sonuçlar değildir.

Normal elektroniklerin dayanamadığı ortamlar için çipler

Fermilab’ın AXESS projesi, yüksek radyasyonlu, uzay ve son derece soğuk ortamlar için mikroelektronikleri hedeflemektedir. “Accelerating Extreme Environment Specs-to-Silicon” adı, mühendislik gereksinimlerinden çip tasarımlarına daha hızlı geçme arzusunu yansıtmaktadır.

Fermilab’ın önceki girişim tanımı bu cihazların neden geliştirilmesinin zor olduğunu açıklar. Bilimsel enstrümanlar, ana akım ticari çiplerin tasarım varsayımlarının dışındaki koşullarda çalışan özel elektronikler gerektirebilir. Laboratuvar, geleneksel olarak zorlu bir tasarım sürecini hızlandırmak için yapay zekâ kullandığını açıklamaktadır.

Bu Ekim duyurusu AXESS’i yeni Genesis fonlamasına yerleştiriyor. Fırsat, laboratuvarlar, üniversiteler ve endüstri genelindeki uzmanlıktan yararlanarak özel çip tasarımında yer alan keşif ve kontrol süreçlerini daha fazla otomatikleştirmektir.

Tasarım hızı ve cihaz hazır olma durumu ayrı kilometre taşlarıdır. Çok daha hızlı bir tasarım iş akışı bile doğrulama, üretim ve fiziksel test gerektirir. Parçacık dedektörü veya kriyojenik sistem için tasarlanan bir çip, davranışının belirtilen koşullara dayanabildiğini göstermelidir. Yalnızca yapay zekâ tarafından oluşturulan tasarım dosyaları bunu kanıtlayamaz.

Kuantum araştırması: donanımı kullanışlı hale getirmek ve malzemeleri tersine tasarlamak

Harvard’ın ASQC projesi, hata düzeltmeyi uygulamaya duyarlı ortak tasarım yoluyla ele almak için yapay zekâyı kuantum donanımıyla birleştiriyor. Pratikte, ortak tasarım, uygulamayı, hata düzeltme yaklaşımını ve donanımı ayrı ayrı problem olarak görmek yerine birlikte değerlendirmeyi ifade eder.

Kuantum cihazları hatalara karşı hassastır. Hata düzeltme şemaları, mantıksal bir kuantum bitinin daha güvenilir olabilmesi için bilgiyi fiziksel kuantum bitleri arasında kodlar. Harvard’ın daha önceki mantıksal kuantum işlemci araştırması bu ayrım ve kodlanmış kuantum bitleri kullanarak hesaplamalar yürütme çabası hakkında arka plan sağlar.

Yeni ödül, hataya dayanıklı kuantum bilgisayarının tamamlandığı bir duyuru olarak yorumlanmamalıdır. Bunun yerine, bilimsel görevleri gerçek donanımın kaynakları ve hata davranışıyla eşleştiren zor bir optimizasyon problemine yöneliktir.

Oak Ridge National Laboratory’ın seçilen projesi, başka bir kuantum sınırını ele alıyor: algılama ve düşük güç elektroniği için kuantum manyetiklerinin fiziksel bilgiye dayalı ters tasarımı. Ters tasarım, istenen bir davranışla başlayıp bunu üretebilecek bir sistem arar; malzeme seçip özelliklerini hesaplama sürecinin tersine bir yaklaşımdır.

Bu tür araştırmalar için fiziksel bilgiye dayalı modelleme önemlidir, çünkü çekici bir sayısal çözüm fiziksel olarak elde edilemez olabilir. Faydalı bir tasarım nihayetinde üretilebilen ve ölçülebilen malzemelere bağlanmalıdır. Duyuru bu araştırma yönünü belirler; tamamlanmış bir sensör veya ticari bir elektronik cihazı rapor etmez.

Bilimsel yapay zekânın daha az görünür altyapısı

Diğer birkaç ödül, büyük ölçekli araştırmayı mümkün kılan sistemlerle ilgilidir. MIT’nin projesi, yapay zekâ ve süper bilgisayarı, güçlü etkileşimi inceleyen bir hesaplamalı yöntem olan kafes kuantum kromodinamiğiyle birleştirir. Lawrence Berkeley National Laboratory’ın MOAT-Core, hızlandırıcı tasarımı ve işletimi için ortak bir yapay zekâ platformu geliştirir. Northeastern’ın projesi, Facility for Rare Isotope Beams’e ajan destekli yardım uygular.

Argonne’un AI4HPC çabası, bilimsel hesaplama yazılımını geliştirmeyi, optimize etmeyi ve doğrulamayı içerir. Bu doğrulama bileşeni önemlidir: daha hızlı çalışan ancak bilimsel hesaplamayı sessizce değiştiren bir program bir iyileştirme değildir.

Biyoloji de temsil edilmektedir. UC San Diego, bir RNA yapı veritabanını beş katına çıkarmayı hedeflerken, University of Washington, geliştirilmiş dizi‑yapı topluluğu modellemesiyle enzim tasarımı üzerinde çalışacaktır.

Bu projeler, model duyurularının sıkça gölgesinde kalan iki bağımlılığı vurguluyor: güvenilir veri ve güvenilir araçlar. Bir bilimsel ajanının faydası, erişebildiği ve yürütebildiği şeylerle sınırlıdır. Ajanları simülasyon motorlarına, düzenlenmiş veri setlerine ve enstrümanlara bağlamak, onların yeteneklerini artırabilir, ancak aynı zamanda eylemlerini izleme ve çıktılarının doğruluğunu teyit etme ihtiyacını da artırır.

Kaplamamızda Anthropic’in Genesis Mission’a desteği gösterdiği gibi, girişim aynı zamanda ticari AI yeteneklerini bilimsel ekosisteme getirmeyi de içeriyor. Finansman sağlanan projeler, bu yeteneklerin ölçülebilir araştırma kazançlarına nasıl dönüştüğünü belirlemeleri gerekecek.

Bu araçları kullanacak araştırmacılar için iki ayrı yatırım

DOE ayrıca bir Genesis Mission Lisansüstü Burs Pilotu duyurdu. 2027 mali yılında 20 milyon dolar dahil olmak üzere, toplam 100 milyon dolar planlanıyor; sonraki fonlamalar ise Kongre tahsislerine bağlı. İlk kohortun, AI ve bir bilim dalını birleştiren dört yıllık yollarla yaklaşık 100 doktora öğrencisini desteklemesi bekleniyor.

Planlanan yerleştirmeler, bir DOE laboratuvarı veya kullanıcı tesisi ile bir endüstri ortamını içeriyor. Bu yapı, araştırmacıların bir AI yöntemini geliştirmek ile bunu deneysel veya operasyonel bir ortamda kullanışlı hâle getirmek arasındaki boşluğu anlamalarına yardımcı olabilir.

Başka bir Erken Kariyer Araştırma Programı duyurusu, 67 bilim insanı için 96 milyon dolar kapsıyor; üniversite ödülleri yaklaşık 875.000 dolar, laboratuvar ödülleri ise beş yıl içinde 2,75 milyon dolar. Kapsamı AI, kuantum bilimi ve füzyon gibi çeşitli araştırma alanlarını içeriyor. DOE, ödül seçimlerinin müzakerelere tabi olduğunu belirtiyor.

Bu tutarlar tek bir tam Genesis paketi olarak birleştirilmemelidir. 159 milyon dolar, yeni Phase II projelerini kapsar; bursun koşullu bir gelecek fonlama planı vardır; ve erken kariyer desteği ayrı bir programdır.

Başarı nasıl tanımlanır?

Bu portföyün en güçlü testi, AI’nın bilimsel çalışmayı gerçekçi koşullar altında iyileştirip iyileştirmediği olacaktır. Bu, doğrulanmış bir sonuca ulaşmak için gereken zaman ve kaynakları, sonucun kalitesini ve sistemin kendi yöntemlerinin güvenilir olmadığını tanıma yeteneğini ölçmek anlamına gelir.

Kullanışlı bir füzyon modeli, daha iyi deneyler planlamaya yardımcı olmalıdır. Bir çip‑tasarım ajanı, doğrulamadan ve fiziksel testten geçen tasarımlar üretmelidir. Bir jeotermal sistem, yeni saha ölçümleri geldiğinde bile sağlam kalan kararları desteklemelidir. Bir bilimsel kodlama aracı, performansı artırırken doğruluğu korumalıdır.

Genesis ödülleri, bu önerileri çok farklı disiplinlerde test etmek için alan yaratıyor. Önemleri, AI’yı bilimin makinelerine, verilerine ve kısıtlamalarına daha yakın konuma getirmesinde ve araştırmacılara AI’nın gerçekten nerede fayda sağladığını keşfetmeleri için kaynak sağlamasında yatmaktadır.