橡树岭国家实验室与克利夫兰诊所联合模拟聚变反应堆材料化学

量子计算正在助力聚变能源研究，推动这一领域朝着实现反应堆自给燃料的目标迈进。一篇于6月29日发布在arXiv上的最新研究，利用量子计算对熔融盐进行建模。熔融盐是一种液态盐，当其包裹在聚变反应外层时，可充当"毯层"，产生维持聚变反应所必需的稀有燃料——氚。

从熔融盐中提取氚所涉及的化学过程极为复杂，研究人员迄今无法通过传统计算方法对其进行精确建模，而熔融盐实验本身既困难又昂贵，需要消耗大量能源并依赖专用设备。橡树岭国家实验室（ORNL）、克利夫兰诊所和IBM联合展示了量子与AI混合方法如何带来更优结果，从而加快聚变研究的进程。这项工作充分体现了美国能源部国家实验室与私营企业合作的价值与潜力。

ORNL国家计算科学中心科学参与部门负责人汤姆·贝克表示："大约五个月前我们启动这项研究时，没想到这么快就能取得这样的成果。"

聚变能源的"燃料困境"

氚由两个中子和一个质子组成，是氢的一种较重的放射性同位素，也是聚变发电的核心原料之一。聚变反应的基本原理是：将氚超高温加热，用强磁场约束成旋转的等离子环，封闭在托卡马克装置中，再加入氘（另一种只含一个中子的常见氢同位素），使两者猛烈碰撞融合，生成氦并释放出巨大能量。这与太阳的能量来源机制相同。一旦能够驾驭这一反应，便可大规模产生能源，且不存在核裂变的放射性废料或堆芯熔毁风险。

然而，聚变燃料的生产面临严峻挑战。氘可以从海洋中提取，但氚在地球上几乎没有天然来源。目前全球核裂变电站每年仅能生产几磅氚，而一座1吉瓦的聚变电站每天就需消耗约一磅。按全球总产量计算，仅够维持一座反应堆运行数周。因此，未来的聚变电站必须在运行过程中自行生产氚。

熔融盐毯层的关键作用

包裹在反应堆外层的厚实熔融锂盐毯层正是解决这一问题的关键。当中子从聚变反应中飞出并撞击盐中的锂-6原子时，原子会分裂为氦和新生成的氚；盐中的铍则能倍增中子数量，使毯层产生足量燃料以维持反应持续进行；氟和锂结合形成的盐在反应堆高温环境下能保持液态和化学稳定性。

熔融盐毯层的职责不止于此。它还必须屏蔽中子轰击以保护反应堆磁体、冷却面向等离子体的壁面，并将热量导出以驱动涡轮发电。在持续中子轰击改变其化学性质的同时，还要兼顾上述所有功能。设计一种能够承受这些相互竞争需求、持续释放氚的盐，是建造此类聚变反应堆最核心的材料科学难题之一。

贝克表示："氚的回收是聚变工程挑战中极为重要的一环。"

ORNL、克利夫兰诊所和IBM的最新研究聚焦于氚的提取问题，其关键在于锂原子分裂后氚的行为方式：若氚与盐中的氟结合，会形成具有腐蚀性且难以去除的氟化氚；若以气态游离存在，则可自行逸出。预测氚的走向，需要以经典计算方法难以达到的精度对盐的化学性质进行建模。

量子中心超算在聚变领域的应用

计算化学家通常使用密度泛函理论（DFT）在经典计算机上处理此类问题。DFT通过近似计算分子电子的排列方式来分析电子结构，速度较快，在很多场景下都很实用。然而，针对熔融盐化学，DFT面临显著局限。贝克团队此前的研究发现，DFT在计算盐的自由能时误差最高可达10%，而自由能正是决定分子结合的关键量——10%的误差根本不足以准确预测氚究竟会形成腐蚀性氟化氚还是以气态游离逸出。

化学建模的难度根源在于，微观尺度的自然现象本质上是量子的，受众多复杂、相互作用的变量支配。随着分子尺寸增大，电子排布方式的可能性呈指数级膨胀，即便是最强大的经典超级计算机也无法有效探索如此庞大的可能性空间。

量子中心超级计算（QCSC）为化学问题提供了一种新的求解范式，有望突破这一瓶颈。

克利夫兰诊所Merz实验室负责人、论文共同作者肯尼斯·默兹博士今年早些时候与理研和IBM合作，利用量子与经典计算机协同工作，计算出了一个含12635个原子的蛋白质的电子结构。该工作流依托一种名为"波函数嵌入"（EWF）的技术，将计算任务分解为可处理的"簇"——经典计算机负责求解较小的簇，量子计算机则通过"基于采样的量子对角化"（SQD）方法求解涉及更多原子纠缠的复杂簇，最终由经典计算机将计算结果拼合成完整分子。

贝克对默兹的工作给予高度评价："我认为这是一项重大贡献。"若没有这项工作，盐簇的规模将远超当前量子硬件的处理能力。

在本次研究中，研究团队从熔融盐FLiBe的模拟数据中提取了9种构型——每种均为21个离子组成的小型簇，并分别计算了含氚和不含氚时的能量，随后与求解分子片段的顶级经典方法进行对比，结果显示量子中心计算结果与之高度吻合。

这是一个极具价值的概念验证。然而，完整的自由能问题需要研究一个厚达一米、不断流动的熔融盐毯层，其粒子数量级高达万亿的万亿倍。这在可预见的未来仍超出计算化学的处理能力，但通过增加原子数量，模拟可以逐步逼近体液的宏观性质。要真正捕捉氚在FLiBe中的行为规律，还需要在工作流中加入更多环节。

AI智能体驱动的三阶段工作流

本文的量子化学计算只是更大工作流的组成部分之一。长远目标是构建一个由AI智能体辅助、三阶段循环的完整工作流。

第一阶段，AI智能体从ORNL收录了70年熔融盐研究成果的数据库中筛选多种候选盐。针对每种候选盐，通过中子学计算估算氚的增殖比（即在中子轰击下实际能产生多少燃料），以及盐的流动性和导热性是否满足使用要求。

第二阶段，最具潜力的候选盐进入超级计算机，通过DFT逐原子建模。由于此类模拟成本高昂，工作流采用经过物理特性训练的AI代理模型，以足够快的速度运行模拟，确保实用性。

第三阶段，在DFT力所不及之处引入量子计算机，即本文着力验证的高精度化学计算环节——判断氚将在何处结合。在未来的实验中，计算结果将反馈至下一轮候选盐的筛选，形成闭环迭代。

ORNL前沿超算项目首席技术官、论文共同作者阿尔·盖斯特表示，这一闭环有助于求解一个高难度优化问题：托卡马克必须尽可能多地从盐中提取氚，而盐的行为会随强烈的中子辐射、热量和磁场不断变化。没有任何单一计算能找到最优解，但AI与量子协同的工作流可以提出候选盐方案，预测其氚增殖能力和流动特性，再精确计算氚从混合物中逸出的化学机制，实现CPU、GPU与量子处理单元的协同求解。

进展超预期，下一步加速扩展

贝克强调，研究进展之快令人意外，这在很大程度上得益于IBM和克利夫兰诊所的合作伙伴。贝克以高性能计算专家身份加入ORNL，并对量子计算保持浓厚兴趣。与IBM的合作让他深刻认识到当前量子计算机的能力边界，以及其快速迭代进步的速度。

团队已着手扩展工作流中的量子计算环节，计划将簇的规模大幅超过21个离子，逼近EWF方法已处理过的最大分子尺寸，并将运行完整结合自由能计算所需的数百种构型，而非仅限于9种。

论文作者预计，同样的工具套件将远不止适用于熔融盐，还将延伸至其他化学领域的疑难问题。正如默兹的蛋白质研究最终为聚变研究提供了支撑，本次聚变研究也很可能为尚未设想到的项目提供助力。IBM量子网络是促进此类合作与创意交流的重要平台。

ORNL的研究人员希望，未来聚变工程师能够在实验室混合和加热熔融盐之前，先在计算机上完成设计与验证，从而缩短从概念到实用聚变反应堆的距离。目前，全球多个实验性聚变反应堆正在建设之中，研究人员期待它们能够像量子计算一样，早日跨越从概念技术到实用技术的门槛。

Q&A

Q1：熔融盐在聚变反应堆中具体起什么作用？

A：熔融锂盐毯层包裹在聚变反应堆外层，主要承担三项任务：一是通过中子撞击锂-6原子产生氚，为反应堆自给燃料；二是屏蔽中子轰击，保护反应堆磁体；三是冷却等离子体面壁并导出热量驱动发电。此外，盐中的铍还能倍增中子，确保氚的持续生产。

Q2：为什么经典计算机无法准确模拟熔融盐化学？

A：经典计算机常用的密度泛函理论（DFT）在计算熔融盐自由能时误差最高可达10%，而自由能正是决定分子结合方式的核心量。这一误差级别无法准确预测氚是以腐蚀性氟化氚形式锁定在盐中，还是以气态自行逸出。此外，随着分子尺寸增大，电子排布的可能性呈指数级增长，超出经典超算的有效处理范围。

Q3：橡树岭国家实验室的AI量子工作流是如何工作的？

A：该工作流分三个阶段循环运行：首先，AI智能体从ORNL数据库中筛选候选熔融盐，通过中子学计算评估氚增殖能力；其次，超级计算机用DFT对最优候选盐逐原子建模，AI代理加速模拟过程；最后，量子计算机处理DFT难以精确求解的复杂化学部分，结果反馈至下一轮筛选，形成持续优化的闭环。