艾姆斯实验室开发DuctGPT AI工具辅助聚变材料研发

艾姆斯美国国家实验室宣布开发出一种结合人工智能和基于物理建模的新工具，用于识别可用于聚变系统的材料，这些材料必须承受强烈的热量、辐射和机械应力。

在发表于《Acta Materialia》期刊的论文中，研究人员表示，该平台名为DuctGPT，“能够快速准确地预测多种难熔多主元合金的延展性”。

根据艾姆斯实验室的新闻发布，该团队从AtomGPT开始——这是一个在美国国家标准与技术研究院开发的模型，使用化学和结构文本描述来预测材料特性，包括形成能、电子带隙和超导转变温度。他们对AtomGPT进行了修改，利用材料科学数据对其进行微调。

DuctGPT的工作原理类似于大多数GPT平台，允许研究人员提问和定义参数。该系统随后可以在“数秒内搜索大量元素组合”。

艾姆斯实验室科学家兼项目负责人Prashant Singh表示：“现在当你问它‘我想为聚变设计一种具有所有x、y、z特性的材料，这些特性对于聚变反应堆的使用至关重要。告诉我哪些元素组合符合标准’时，它会给出那些具有相应特性的元素组合。”

钨的导热性、强度和高熔点使其成为聚变装置中面向等离子体组件的常用选择，但它缺乏低温拉伸延展性，Singh表示，这使得它难以加工成复杂形状。

“借助DuctGPT，我们现在可以在所需范围内查询成分，例如钨-钛-锆-铪合金，以识别那些在保持钨的强度和高熔点的同时提高延展性的合金，”他说。

基于人工智能的工具非常适合这种依赖多种因素复杂相互作用的搜索。DuctGPT包含了费米能级的状态密度、弹性常数和价电子浓度的实验和计算数据，旨在“捕捉控制延性与脆性行为的基本机制，”研究人员写道。

Singh在LinkedIn帖子中表示：“DuctGPT对于[寻找]合适的RHEAs[难熔高熵合金]的未来尤其关键，因为这些合金本质上是脆性的，但由于它们在极端环境下的优异性能，被视为聚变应用中最有前景的候选材料。”

根据论文所述，“与实验数据的对比验证证实了模型能够以高保真度和低不确定性预测延展性。”