由美国能源部普林斯顿等离子体物理实验室（PPPL）、橡树岭国家实验室（ORNL）以及Commonwealth Fusion Systems（CFS）公司合作开发的人工智能（AI）工具HEAT-ML，正在显著加速聚变反应堆内部“磁阴影”的识别过程。这些磁阴影对于保护反应堆组件免受等离子体极端高温的侵蚀至关重要。HEAT-ML利用深度神经网络，通过对大约1000个SPARC模拟数据的训练，能够在毫秒级的时间内预测磁阴影掩膜，即三维磁阴影图。这一速度比原有的HEAT代码（每个模拟需要约30分钟）有了质的飞跃。其主要应用对象是CFS公司正在建造的SPARC托卡马克装置，该装置的目标是在2027年前实现能量增益。
通过精确预测等离子体热量对反应堆内部的影响区域，HEAT-ML在设计能够承受这些极端条件的组件方面发挥着关键作用。这项AI驱动的模拟技术的进步不仅加快了未来聚变系统的设计进程，还提升了运行安全性，能够实时调整等离子体配置，在问题发生前进行干预。HEAT-ML的开发是聚变研究领域日益增长的AI和机器学习应用趋势的一部分。例如，2025年7月，合肥物质科学研究院的研究人员也开发了用于预测聚变反应堆内等离子体不稳定性和监测等离子体约束状态的AI系统，并取得了很高的成功率。这些创新成果彰显了AI在加速聚变能源研究方面的变革潜力，使清洁、丰富的能源前景更加触手可及。
SPARC项目是聚变能源发展路线图中的关键一步，其设计结合了数十年的托卡马克物理学知识和先进的模拟工具。该项目预计于2026年开始运行，目标是在2027年实现净能量增益（Q>1）。CFS公司在马萨诸塞州的一处园区内建造SPARC，汇集了物理学家、工程师、计算机科学家等专业人才。SPARC的成功将为后续的ARC聚变电站铺平道路，后者旨在将聚变能源商业化，为电网提供电力。橡树岭国家实验室在聚变能源领域的研究涵盖了材料科学、等离子体物理以及先进的计算模拟。普林斯顿等离子体物理实验室（PPPL）作为美国能源部的国家实验室，其核心使命是研究等离子体物理和核聚变科学，并致力于开发聚变能源的实用化解决方案。这些机构的合作，正以前所未有的速度推动着聚变能源的实现。