Googles Gemini 4 Argon har hjälpt forskare att utöka de exakta matematiska lösningarna som beskriver magnetfält inuti experimentella fusionsreaktorer - arbete som bygger på resultat som tidigare i år motsäger en gissning som hade stått i 59 år. TechRadar rapporterade utvecklingen på måndagen och spårade den till en artikel som forskarna har publicerat via arXiv.
Prestationen gäller den matematik som används för att modellera hur magnetfält innehåller överhettad plasma i fusionsenheter. Det är inte ett genombrott som producerar elektricitet eller flyttar kommersiell fusion närmare på egen hand - men det ger plasmafysiker något de har saknat sedan 1967: en bredare familj av exakta lösningar mot vilka deras simuleringskoder kan testas. For more context on this story, see our ongoing more AI stories.
Den gissning som funnits sedan 1967
1967 föreslog fysikern Harold Grad en gissning om de matematiska förhållandena som styr jämvikten i tredimensionella magnetfält - just den miljö som är relevant för magnetisk inneslutningsfusion.
Gissningarna formade hur forskare tänkte på plasmakonfigurationer i decennier. Magnetisk inneslutningsfusion använder kraftfulla fält för att innehålla extremt het, elektriskt laddad gas, vilket hindrar den från att fly innan atomkärnor kan kombineras och frigöra energi. Forskare behöver exakta matematiska modeller av dessa områden eftersom simuleringar hjälper dem att förstå plasmabeteende och designkonfigurationer som kan upprätthålla inneslutning.
Anledningen till att exakta lösningar spelar roll är praktiska: datorsimuleringar av magnetisk inneslutning är approximationer, och för att veta om dessa approximationer är tillförlitliga behöver fysiker exakta matematiska fall vars egenskaper är kända - referensexempel för att testa programvaran som modellerar magnetisk inneslutning, snarare än att helt förlita sig på approximationer. I 59 år begränsades de tillgängliga lösningsfamiljerna av Grads gissningar.
Det ändrades i september 2026, när University of Maryland-forskaren Matt Landreman publicerade exakta lösningar som stred mot gissningarna. Enligt TechRadar producerades det tidigare arbetet med hjälp av OpenAI:s GPT-6 Astra Pro - ett av de första högprofilerade fallen av en frontier AI-modell som bidrog till ett resultat som kullkastade ett långvarigt anspråk inom plasmafysik.
Utökar lösningsfamiljen med Gemini 4 Argon
Landremans lösningar kom med en begränsning: både de gamla och nya familjerna delade en viss geometrisk symmetri, vilket lämnade forskare utan exakta exempel på konfigurationer som saknar det.
En efterföljande studie av Opal Issan, Jonathan Citrin, Matt Landreman och Brendan Tracey syftade till att ta bort den begränsningen. Forskarna använde Gemini 4 Argon genom Googles Antigravity-miljö, där flera AI-agenter utforskade Landremans tidigare resultat och undersökte sätt att utöka dem.
Enligt rapporten hittade agenterna sätt att eliminera symmetribegränsningen från Landremans lösningar genom att introducera en parameter som bryter symmetrin, vilket producerar nya magnetiska konfigurationer som forskare sedan kunde verifiera. Lovande matematiska kandidater dök upp inom några timmar efter att agenterna startade sin undersökning - en dramatisk komprimering av en sökprocess som vanligtvis skulle kräva veckors handberäkning.
AI:s roll var att förkorta sökningen, inte att ersätta vetenskapen. Forskarna var fortfarande tvungna att kontrollera härledningarna, bekräfta att de föreslagna lösningarna var matematiskt konsekventa och köra beräkningsverifiering. AI-hjälp användes också för att förbereda delar av forskningsmanuskriptet, där författarna behöll ansvaret för det publicerade arbetet.
Vad de nya lösningarna är bra för
De resulterande konfigurationerna ger forskare ytterligare referensfall för att kontrollera datorprogram som beräknar magnetisk jämvikt i komplicerade tredimensionella arrangemang. Dessa koder används över hela den magnetiska inneslutningsgemenskapen - i både stellarator- och tokamakforskning - och deras validering beror på exakt vilken typ av exakta lösningar som denna arbetslinje producerar.
TechRadar var tydlig om omfattningen: den omedelbara prestationen är en mer omfattande uppsättning exakta matematiska lösningar för forskare som studerar magnetisk inneslutning, inte bevis för att AI har löst kärnfusion eller tagit bort dess tekniska hinder. Gapet mellan att lösa fältekvationer och att bygga ett kraftverk är lika stort som någonsin.
Ett mönster håller på att bildas
Arbetet passar in i en snabbt växande samling resultat där frontier AI-modeller bidrar till seriös matematik – och där rivaliserande laboratoriemodeller dyker upp på olika sidor av samma problem. OpenAI:s modell hjälpte till att producera de ursprungliga motexemplen som motsade Grads gissningar; Googles modell hjälpte till att utöka dessa resultat till ett nytt territorium.
Det återspeglar också ett medvetet designval från Googles sida. Gemini 4 Argon, som släpptes tidigare denna månad, positionerades av företaget som en modell byggd för utökade resonemang om hårda vetenskapliga problem, och Google har parat ihop det med antigravity-agentmiljön där flera agenter kan arbeta med ett problem parallellt. Fusionspapperet är en tidig, konkret demonstration av att tonhöjden används i praktiken av arbetande fysiker.
För plasmafysikgemenskapen kommer den praktiska vinsten omedelbart: mer exakta fall för att validera simuleringsprogramvara. För AI-industrin är det ytterligare en datapunkt i debatten om huruvida gränsmodeller håller på att bli äkta verktyg för vetenskaplig upptäckt – en fråga som i allt högre grad besvarar sig själv, en gissning i taget.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
