Інноваційний підхід на основі штучного інтелекту (ШІ), відомий як HEAT-ML, розроблений спільно компаніями Commonwealth Fusion Systems (CFS), Принстонською лабораторією фізики плазми (PPPL) та Національною лабораторією Оук-Рідж (ORNL), значно прискорює процес ідентифікації «магнітних тіней» у термоядерних реакторах. Ці тіні є критично важливими для захисту компонентів реактора від інтенсивного нагрівання плазми, яка досягає температур, вищих за ядро Сонця. HEAT-ML використовує глибоку нейронну мережу, навчену приблизно на 1000 симуляціях SPARC з набору інструментів для аналізу теплового потоку (HEAT), що дозволяє моделі прогнозувати маски магнітних тіней за мілісекунди, що є значним покращенням порівняно з оригінальним кодом HEAT, який раніше займав близько 30 хвилин на симуляцію.
Основне застосування HEAT-ML полягає в симуляції секції SPARC, токамака, який зараз будується компанією CFS. SPARC має на меті продемонструвати чистий приріст енергії до 2027 року. Точно прогнозуючи, куди плазма впливає на внутрішні компоненти реактора, HEAT-ML є життєво важливим для проєктування компонентів, здатних витримувати ці умови, зокрема 15 плиток у вихлопній системі SPARC, які зазнаватимуть найекстремальніших умов плазми. Цей прогрес у симуляції на основі ШІ не тільки прискорює процес проєктування майбутніх термоядерних систем, але й підвищує операційну безпеку, дозволяючи здійснювати коригування конфігурацій плазми в реальному часі. Дослідження, опубліковане в журналі Fusion Engineering and Design, підкреслює потенціал ШІ для прискорення розробки термоядерної енергетики. Подібні інновації, як-от системи ШІ для прогнозування збоїв та моніторингу станів утримання плазми, розроблені дослідниками з Інституту фізичних наук Хефей у липні 2025 року, демонструють трансформаційний потенціал ШІ у цій галузі.