8月4日，美国劳伦斯利弗莫尔国家实验室（LLNL）宣布，在将人工智能（AI）与聚变靶丸设计相结合方面取得里程碑式突破。 研究人员通过在两台超级计算机上部署AI Agent，成功实现惯性约束聚变（ICF）实验的自动化与加速。
作为名为 “多代理设计助手（Multi-Agent Design Assistant，MADA）” 的AI框架的一部分，LLNL的科学家及合作者正将大型语言模型与仿真工具相融合，以解读人类设计师的自然语言指令，并利用该平台为LLNL的3D多物理场代码MARBL生成完整的物理仿真输入文件。MARBL代码可支持高能量密度实验（包括ICF）的设计与分析。
一、项目背景
项目首席科学家Jon Belof透露，这项始于2019年的研究最初因"将AI与冲击波物理结合"的构想备受质疑。随着大语言模型（LLM）的突破性发展，构建人机协作的半自主ICF靶丸设计系统成为必然趋势。
如今，在美国国家核安全局（NNSA）下属另外两所国家实验室（洛斯阿拉莫斯国家实验室—LANL、桑迪亚国家实验室—SNL）合作下，这个构想已进化为成熟的人工智能驱动设计工作流。
二、MADA工作原理
MADA系统的核心是 “AI Agent”——这类自主软件实体由两大组件构成：一是能理解人类语言的大型语言模型（LLM），二是可执行特定领域任务的 “工具接口”。对MADA而言，工具接口能生成结构化仿真输入文件，并在高性能计算（HPC）系统上启动这些文件。
支撑这一系统的是两台超级计算机：全球最快的百亿亿次级计算机 “El Capitan””及其姊妹机 “Tuolumne” 。其中，前者峰值性能达到2.79 EFlop/s（EFlop/s，即每秒百亿亿次浮点运算），后者也是全球第12快的超级计算机。
该系统具有两大核心Agent：
Inverse Design Agent（IDA）：负责设计新型ICF靶丸，能基于人类输入生成仿真策略；
Job Management Agent（JMA）：驱动超级计算机上大规模仿真工作流的执行，与调度器、Merlin等工具交互，确保作业排队、资源分配、结果收集等环节高效运转。
两大核心Agent形成了无缝循环：IDA提出设计方案，JMA负责执行，让AI规划与HPC执行紧密衔接。“JMA将AI与HPC结合，协调资源管理与大规模工作流优化，为我们打造稳健的聚变点火平台提供了关键优势。”JMA团队负责人Giselle Fernandez说。
三、演示应用
而在近期演示中，基于MARBL内部文档微调的开源LLM展现了强大能力：仅通过手绘靶丸图与自然语言指令（比如 “探究改变某部分几何结构的影响”），即可生成有效仿真输入文件，并通过数千次并行仿真探索设计变体，最终输出新型靶丸设计。
这种模式彻底改变了传统设计流程：过去需数天或数周的手动编码、单任务启动，如今通过与AI Agent对话，即可并行探索数千种设计变体。
此外，MADA还通过Tuolumne超级计算机运行数万个ICF仿真，生成的数据集用于训练机器学习模型 “PROFESSOR”。该模型能为设计师提供即时反馈——当设计师调整靶丸几何结构时，“PROFESSOR” 可实时生成内爆时间历程（半径随时间的变化），成为ICF设计师的强大工具。
“理论来说。AI Agent让我们可同时推进数百甚至数千种ICF设计方案，这是变革性的突破。” Jon Belof强调。
四、未来前景
MADA通过压缩设计周期、探索海量设计空间，能帮助确定聚变产额提升的最优条件，更快攻克高增益内爆的复杂物理难题。
“这本质上是通过AI以变革性方式提升人类生产力。” Jon Belof表示，“我们才刚刚开始挖掘其潜力——AI工具将帮助我们优化资源分配，理解下一代先进聚变设施所需的各种权衡。”
其影响有望远超聚变领域。随着更多百亿亿次级计算机的投入使用，MADA也将会在材料发现、武器认证等领域的应用提供了显著帮助。
参考资料：
- https://www.llnl.gov/article/53216/llnl-pushes-frontier-fusion-target-design-ai
- https://insidehpc.com/2025/08/llnl-use-hpc-to-push-fusion-target-design-with-ai/