可控核聚变作为人类探索终极清洁能源的重要方向，近年来在我国取得重要突破。
坐落于合肥科学岛的全超导托卡马克核聚变实验装置EAST，已实现3.5特斯拉纵场强度、百万安培等离子体电流等关键技术指标，并在2025年创造了1亿摄氏度下1066秒稳态高约束模运行的世界纪录。
这一成就标志着我国在可控核聚变领域已跻身国际先进行列。
国际能源署数据表明，到2030年全球核聚变市场规模有望接近3.5万亿元，这一新兴产业将在全球能源结构调整中扮演重要角色。
然而，核聚变反应的稳定控制面临重大科学难题。
EAST装置内被磁场束缚的等离子体是物质的第四种状态，这团上亿度的超高温电离气体极易受到扰动、紊乱和能量损失的影响。
传统物理模型由于受限于特定场景假设和适用范围的局限，难以精准预测等离子体在长期运行中的复杂行为，这给聚变反应的精准控制带来了巨大挑战。
如何准确预测等离子体的动态演化规律，成为制约核聚变技术进一步发展的瓶颈。
针对这一难题，由中国科学技术大学、中科院等离子体所、合肥综合性国家科学中心能源研究院与科大讯飞研究院组成的AIForScience联合团队创新思路，突破性地将深度学习技术引入核聚vingv领域。
团队研发的PaMMA-Net深度神经网络响应模型已正式发表于核聚变领域顶级期刊《NuclearFusion》，该模型基于EAST装置超万次放电实验数据训练而成，能够高精度预测等离子体的磁测量演化过程。
这相当于为"人造太阳"装配了一套精准的"超级预测系统"，使控制系统能够提前识别可能出现的不稳定因素，进而采取相应措施维持反应的平稳进行。
该模型的成功研发源于跨学科创新的深度融合。
科大讯飞研究院副院长方昕指出，突破的关键在于发现了信号处理的本质共性。
无论是语音波形还是核聚变装置的磁测量信号，都属于前后时刻强相关的时间序列数据。
基于这一核心洞察，科大讯飞将20余年积累的语音建模经验成功迁移至核聚变领域。
PaMMA-Net模型采用了微变累计预测、状态融合预测和指定频带数据增强三大核心技术，能够基于前1秒的电流电压信号，精准预测后9秒的磁场信号。
这种跨界技术迁移不仅实现了预测精度的飞跃，更开创了人工智能在科学研究领域应用的成功范例。
该模型的应用前景广阔。
作为"虚拟装置"，它可以为强化学习控制器提供训练模拟环境，显著加速聚变研究进程，助力可控核聚变早日实现商业化应用。
值得注意的是，这一AI跨学科赋能的研发案例已成功推广至工业场景，在优化空分装置工艺参数、降低大型建筑制冷能耗等领域发挥了实际效益，充分体现了基础研究创新对产业发展的重要驱动作用。
面向能源转型与科技自立自强的时代命题，核聚变研究既需要长期稳定的基础投入，也需要方法体系的持续创新。
从“看得见”到“算得准”，再到“控得稳”，每一步都在缩短人类与终极清洁能源之间的距离。
以数据驱动与跨学科融合提升科学装置运行能力，不仅有助于加快重大科学问题突破，也为更多高端制造与能源领域提供了面向未来的技术启示。