Стартап VeloAlpha представил ИИ-платформу для термоядерных реакторов
Китайский стартап VeloAlpha заявил о запуске платформы FusionAlpha для моделирования термоядерных реакторов. Компания утверждает, что система считает поведение плазмы и работу отдельных узлов токамаков в 100—10 000 раз быстрее классических кодов и удерживает ошибку ниже 5%. Если эти оценки подтвердятся, разработчики реакторов смогут переносить часть дорогих экспериментов в софт и реже проверять гипотезы на реальных установках.
VeloAlpha основал физик Се Хуашэн. Компания предлагает использовать FusionAlpha как цифровой стенд для проверки конструкций до сборки и испытаний. Логика понятна: в термоядерной энергетике каждый шаг стоит дорого, а цикл изменений измеряется не неделями, а годами. Даже точечная правка магнитной системы, камеры или сценария удержания плазмы обычно тянет за собой новую серию расчётов, а затем и физические тесты.
Слабое место отрасли давно известно. Точные плазменные модели требуют больших вычислительных ресурсов, упрощённые методы теряют физику, а многие ИИ-подходы уверенно работают только в пределах обучающей выборки. VeloAlpha говорит, что пытается обойти этот компромисс сочетанием машинного обучения и математических методов, которые сохраняют физические ограничения модели. Независимой верификации этих цифр компания ещё не показала, и для такого класса продуктов это главный вопрос.
Для отрасли скорость расчётов важна не меньше, чем сама точность. Термоядерные установки работают с плазмой при температурах, сравнимых с условиями внутри звёзд, а удерживать её нужно магнитными полями в крайне неустойчивом режиме. Сегодня основной тип установок — это токамаки, хотя параллельно развиваются стеллараторы, лазерный инерциальный синтез и линейные схемы. В каждом случае инженеры решают один и тот же набор задач: устойчивость плазмы, нагрузки на материалы, отвод тепла, контроль излучения и цену будущей электроэнергии.
FusionAlpha для моделирования реакторов
Сравнение с EDA-системами для полупроводников здесь не случайно. В чиповой индустрии проектирование давно сместилось в программные среды, где компании проверяют топологию, энергопотребление и ошибки до выпуска кремния. В термоядерной энергетике такой сдвиг пока не состоялся в полном объёме, хотя спрос на него растёт: капитальные затраты на крупные экспериментальные установки исчисляются миллиардами долларов, а каждая итерация разработки занимает годы.
Рынок вокруг этого уже формируется. Американская Commonwealth Fusion Systems строит токамак SPARC и в 2021 году привлекла $1,8 млрд в раунде с участием Bill Gates, Soros Fund Management и Google. Немецкая Proxima Fusion развивает стеллараторный подход и в 2025 году закрыла один из крупнейших европейских раундов в этом сегменте. Google DeepMind, со своей стороны, несколько лет назад показала систему управления плазмой для швейцарского токамака TCV вместе с исследователями EPFL. Иными словами, ИИ в термоядерной теме уже перестал быть экзотикой, вопрос теперь в том, где он реально даёт выигрыш.
Китай для таких проектов выглядит естественной площадкой. Страна одновременно финансирует собственные реакторные программы, суперкомпьютеры и ИИ-разработки, а термоядерный синтез входит в число направлений, которые Пекин рассматривает как долгосрочную технологическую ставку. На этом фоне инструменты, сокращающие число физических тестов, интересны не меньше, чем новые магниты или материалы. Иногда дешевле ускорить выбор неправильных вариантов, чем годами искать правильный вслепую.
При этом риски переоценки здесь высоки. История термоядерной отрасли полна обещаний, которые плохо переживали встречу с инженерной практикой. Даже крупнейший международный проект ITER во Франции много раз переносил сроки и дорожал по мере строительства. На таком фоне любой продукт, обещающий радикальное ускорение разработки, должен показать не только красивую математику, но и воспроизводимость на задачах, которые важны для промышленного дизайна реактора, а не только для демонстрационного стенда.
Для VeloAlpha следующий этап будет связан именно с этим. Если FusionAlpha сумеет закрепиться как рабочий инструмент для проектирования токамаков и смежных систем, стартап может занять нишу инфраструктурного поставщика для отрасли, а не ещё одного разработчика «своего» реактора. Это заметно расширяет потенциальный рынок: по оценкам Fusion Industry Association, частные компании термоядерного сектора в мире уже привлекли свыше $7 млрд, и часть этих денег уходит не только в железо, но и в программные инструменты. Ответ на вопрос о реальной ценности таких платформ рынок даст в ближайшие два-три года, когда разработчики начнут сравнивать их прогнозы с данными новых экспериментальных установок.
