2025年11月17日，英伟达开发者官网发文，重点介绍了其与美国洛斯阿拉莫斯国家实验室(LANL)合作，利用人工智能协研科学家系统攻坚惯性约束核聚变假设生成这一挑战。
一、AI协研科学家
AI重塑科学研究与创新，可帮助科学家生成、总结、整合和分析数据，发现易忽视的数据模式与关联，提出新假设。
AI协研科学家的定义：这是一个协作式、多智能体AI系统，旨在作为虚拟科研伙伴，协助研究人员生成、审查和完善新颖的科学假设、研究提案和实验计划。
核心能力：该系统利用先进的推理能力、跨学科知识综合以及迭代反馈来加速科学发现。它能够与人类合作，设计实验、分析数据、测试结果，并实现严谨、可重复的研究。
技术基础：其基础是经过定制化训练的大语言模型(LLMs)，融合文本与非文本来源的知识数据。
关键协作模式：AI协研科学家系统运用这些知识生成新假设，并通过模拟来测试和验证这些想法。在此过程中，“人在回路”(Human-in-the-loop )的协作机制不可或缺。
二、用于ICF假设生成的AI协研科学家
①项目背景
为加速攻克惯性约束核聚变的极端复杂性，LANL与英伟达正在合作开展一个多阶段项目，致力于开发专门用于ICF聚变假设生成的AI协研科学家。
ICF复杂性：由于ICF是一个高度耦合的多物理场非线性问题，大规模数值模拟的预测能力至今仍是重大科学挑战。这一复杂性源于ICF需要模拟多种物理现象，这些现象不仅会以难以预测的方式相互作用，还跨越了迥然不同的时空尺度。大型激光设施的实验结果可能因初始条件的改变或靶设计参数的选择而与预测产生偏差。
AI必要性：为加速理解和取得进展，利用包括AI在内的所有可用工具至关重要。
②开发过程
英伟达NeMo框架库：
LANL利用了开源英伟达NeMo框架库，包括：NeMo Curator：用于数据管理;NeMo 2.0：用于持续预训练和微调;NeMo RL：用于对Llama Nemotron Super 1.5模型进行强化学习，目标是将其转变为更具领域认知能力的推理模型，作为构建可信赖AI协研科学家的基础。
模型转型步骤：图2展示了将Llama Nemotron Super 1.5转变为ICF物理推理模型所涉及的步骤，包括：准备领域自适应预训练(DAPT)所需的数据集，进行监督微调(SFT)，利用来自公共数据集、CORE、arXiv及OSTI.gov的物理学与ICF开放获取文档生成推理轨迹。
验证方法：为了验证模型是否正在掌握ICF知识，使用了学术和自定义基准测试，包括由领域专家生成的问题。
图 将Llama Nemotron Super 1.5转变为ICF物理推理模型所涉及的步骤
③目标与预期影响：
最终目标：解决聚变研究中的一些最具挑战性的问题，包括提高美国国家点火装置(NIF)和OMEGA激光器上正在进行的ICF内爆实验的性能。这涉及到根据计算模拟和物理实验来开发和基准测试科学概念。
预期影响：AI协研科学家将通过改进设计、整合实验反馈，提供见解，为新实验和下一代ICF设施提供信息，推动实现更高效可靠的聚变能源解决方案，并有助于理解物质基本性质和解决国家安全问题。
三、用于癌症治疗的AI协研科学家
作为同一AI协研科学家平台通用性的有力证明，LANL也将其应用于癌症的靶向α疗法(TAT)的研发中，以解决设计高效靶向螯合剂分子的挑战。
简要工作流：智能体利用大语言模型生成假设，使用生成式AI模型(如GenMol)设计分子，通过计算模拟预测其性质，并利用反馈循环迭代优化设计。
成果：LANL和英伟达联合团队已经发现了对锕原子具有改进结合能的全新分子。这种假设驱动的设计加速了最佳分子的识别，并突出了使其特别有用的特性。
四、总结
LANL模拟、计算与理论副实验室主任Mark Chadwick表示：“洛斯阿拉莫斯国家实验室正与英伟达携手，率先将AI协研科学家应用于前沿科研。这些协研科学家能实现跨复杂学科的快速假设生成与验证。通过将我们的领域知识与英伟达的AI技术能力相结合，我们正在构建专门为解决人类面临的一些最重大挑战而设计的协研科学家系统。”
