Google's Gemini 4 Argon heeft onderzoekers geholpen de exacte wiskundige oplossingen uit te breiden die magnetische velden in experimentele fusiereactoren beschrijven - werk dat voortbouwt op resultaten die eerder dit jaar in tegenspraak waren met een vermoeden dat al 59 jaar bestond. TechRadar rapporteerde de ontwikkeling maandag en herleidde dit naar een artikel dat de onderzoekers via arXiv hebben gepubliceerd.
De prestatie betreft de wiskunde die wordt gebruikt om te modelleren hoe magnetische velden oververhit plasma in fusie-apparaten bevatten. Het is geen doorbraak die op eigen kracht elektriciteit produceert of commerciële fusie dichterbij brengt – maar het geeft plasmafysici iets wat ze sinds 1967 hebben gemist: een bredere familie van exacte oplossingen waartegen hun simulatiecodes kunnen worden getest. Voor meer context over dit verhaal, zie ons meer AI-verhalen.
Het vermoeden dat sinds 1967 standhield
In 1967 stelde natuurkundige Harold Grad een vermoeden voor over de wiskundige omstandigheden die het evenwicht in driedimensionale magnetische velden beheersen - precies de omgeving die relevant is voor kernfusie door magnetische opsluiting.
Het vermoeden vormde decennialang de manier waarop onderzoekers over plasmaconfiguraties dachten. Kernfusie met magnetische opsluiting maakt gebruik van krachtige velden om extreem heet, elektrisch geladen gas vast te houden, waardoor wordt voorkomen dat het ontsnapt voordat atoomkernen zich kunnen combineren en energie kunnen vrijgeven. Wetenschappers hebben nauwkeurige wiskundige modellen van deze velden nodig, omdat simulaties hen helpen het gedrag van plasma te begrijpen en configuraties te ontwerpen die in staat zijn opsluiting te handhaven.
De reden waarom exacte oplossingen ertoe doen is praktisch: computersimulaties van magnetische opsluiting zijn benaderingen, en om te weten of die benaderingen betrouwbaar zijn, hebben natuurkundigen exacte wiskundige gevallen nodig waarvan de eigenschappen bekend zijn – referentievoorbeelden voor het testen van de software die magnetische opsluiting modelleert, in plaats van zich volledig op benaderingen te verlaten. 59 jaar lang werden de beschikbare oplossingsfamilies beperkt door het vermoeden van Grad.
Dat veranderde in september 2026, toen onderzoeker Matt Landreman van de Universiteit van Maryland exacte oplossingen publiceerde die het vermoeden tegenspraken. Volgens TechRadar werd dat eerdere werk geproduceerd met hulp van OpenAI's GPT-6 Astra Pro – een van de eerste spraakmakende cases van een grensverleggend AI-model dat bijdroeg aan een resultaat dat een al lang bestaande claim in de plasmafysica teniet deed.
Uitbreiding van de oplossingsfamilie met Gemini 4 Argon
De oplossingen van Landreman hadden een beperking: zowel de oude als de nieuwe families deelden een bepaalde geometrische symmetrie, waardoor onderzoekers geen exacte voorbeelden hadden voor configuraties die deze symmetrie ontberen.
Een daaropvolgende studie door Opal Issan, Jonathan Citrin, Matt Landreman en Brendan Tracey was bedoeld om die beperking op te heffen. De onderzoekers gebruikten Gemini 4 Argon via de Antigravity-omgeving van Google, waar meerdere AI-agenten de eerdere resultaten van Landreman verkenden en manieren onderzochten om deze uit te breiden.
Volgens het rapport hebben de agenten manieren gevonden om de symmetriebeperking uit de oplossingen van Landreman te elimineren door een parameter te introduceren die de symmetrie verbreekt, waardoor nieuwe magnetische configuraties ontstaan die onderzoekers vervolgens kunnen verifiëren. Veelbelovende wiskundige kandidaten kwamen binnen enkele uren nadat de agenten met hun onderzoek waren begonnen naar voren - een dramatische compressie van een zoekproces dat normaal gesproken weken van handberekening zou vergen.
De rol van de AI was om de zoektocht te verkorten, niet om de wetenschap te vervangen. De onderzoekers moesten nog steeds de afleidingen controleren, bevestigen dat de voorgestelde oplossingen wiskundig consistent waren en een computationele verificatie uitvoeren. Er werd ook gebruik gemaakt van AI-hulp bij het voorbereiden van delen van het onderzoeksmanuscript, waarbij de auteurs de verantwoordelijkheid voor het gepubliceerde werk behielden.
Waar de nieuwe oplossingen goed voor zijn
De resulterende configuraties bieden onderzoekers aanvullende referentiegevallen voor het controleren van de computerprogramma's die het magnetische evenwicht berekenen in gecompliceerde driedimensionale opstellingen. Deze codes worden gebruikt in de magnetische opsluitingsgemeenschap – zowel in stellarator- als in tokamak-onderzoek – en hun validatie hangt precies af van het soort exacte oplossingen dat dit soort werk voortbrengt.
TechRadar was expliciet over de reikwijdte: het onmiddellijke resultaat is een uitgebreidere reeks exacte wiskundige oplossingen voor onderzoekers die magnetische opsluiting bestuderen, en geen bewijs dat AI kernfusie heeft opgelost of de technische obstakels ervan heeft weggenomen. De kloof tussen het oplossen van veldvergelijkingen en het bouwen van een energiecentrale blijft even groot als altijd.
Er vormt zich een patroon
Het werk past in een snel groeiend geheel van resultaten waarin grensverleggende AI-modellen bijdragen aan serieuze wiskunde – en waarin modellen van rivaliserende laboratoria aan verschillende kanten van hetzelfde probleem verschijnen. Het model van OpenAI hielp bij het produceren van de originele tegenvoorbeelden die het vermoeden van Grad tegenspraken; Het model van Google hielp deze resultaten uit te breiden naar nieuw terrein.
Het weerspiegelt ook een bewuste ontwerpkeuze van Google. Gemini 4 Argon, eerder deze maand uitgebracht, werd door het bedrijf gepositioneerd als een model dat is gebouwd voor uitgebreid redeneren over harde wetenschappelijke problemen, en Google heeft het gekoppeld aan de Antigravity-agentische omgeving waar meerdere agenten parallel aan een probleem kunnen werken. Het fusiepaper is een vroege, concrete demonstratie van het feit dat deze toonhoogte in de praktijk wordt gebruikt door werkende natuurkundigen.
Voor de plasmafysica-gemeenschap komt de praktische beloning onmiddellijk: nauwkeurigere gevallen om simulatiesoftware te valideren. Voor de AI-industrie is dit een nieuw datapunt in het debat over de vraag of grensmodellen echte instrumenten voor wetenschappelijke ontdekkingen worden – een vraag die zichzelf steeds meer beantwoordt, vermoeden voor vermoeden.
---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
