Gemini 4 Argon ของ Google ช่วยให้นักวิจัยขยายวิธีแก้ปัญหาทางคณิตศาสตร์ที่แน่นอนซึ่งอธิบายสนามแม่เหล็กภายในเครื่องปฏิกรณ์ฟิวชันทดลอง ซึ่งเป็นงานที่สร้างจากผลลัพธ์ซึ่งเมื่อต้นปีนี้ ขัดแย้งกับการคาดเดาที่มีมายาวนานถึง 59 ปี TechRadar รายงานการพัฒนาเมื่อวันจันทร์ โดยอ้างอิงจากรายงานที่นักวิจัยเผยแพร่ผ่าน arXiv

ความสำเร็จนี้เกี่ยวข้องกับคณิตศาสตร์ที่ใช้ในการจำลองว่าสนามแม่เหล็กมีพลาสมาร้อนยวดยิ่งในอุปกรณ์ฟิวชันอย่างไร ไม่ใช่ความก้าวหน้าที่ผลิตกระแสไฟฟ้าหรือเคลื่อนย้ายฟิวชั่นเชิงพาณิชย์เข้ามาใกล้ยิ่งขึ้นด้วยตัวมันเอง แต่มันทำให้นักฟิสิกส์พลาสมามีสิ่งที่พวกเขาขาดไปตั้งแต่ปี 1967: ตระกูลโซลูชั่นที่แม่นยำยิ่งขึ้นสำหรับการทดสอบรหัสการจำลองของพวกเขา For more context on this story, see our ongoing AI industry coverage.

การคาดเดาที่มีมาตั้งแต่ปี 1967

ในปี 1967 นักฟิสิกส์ Harold Grad เสนอข้อสันนิษฐานเกี่ยวกับเงื่อนไขทางคณิตศาสตร์ที่ควบคุมสมดุลในสนามแม่เหล็กสามมิติ ซึ่งเป็นการตั้งค่าที่เกี่ยวข้องกับการหลอมรวมของสนามแม่เหล็กอย่างแม่นยำ

การคาดเดานี้กำหนดวิธีที่นักวิจัยคิดเกี่ยวกับการกำหนดค่าพลาสมามานานหลายทศวรรษ ฟิวชั่นกักขังแม่เหล็กใช้สนามพลังสูงเพื่อบรรจุก๊าซที่มีประจุไฟฟ้าร้อนจัด เพื่อป้องกันไม่ให้หลบหนีก่อนที่นิวเคลียสของอะตอมจะรวมตัวกันและปล่อยพลังงาน นักวิทยาศาสตร์ต้องการแบบจำลองทางคณิตศาสตร์ที่แม่นยำของสาขาเหล่านั้น เนื่องจากการจำลองช่วยให้พวกเขาเข้าใจพฤติกรรมของพลาสมาและการกำหนดค่าการออกแบบที่สามารถรักษาการกักขังได้

เหตุผลที่การแก้ปัญหาที่แน่นอนมีความสำคัญในทางปฏิบัติ: การจำลองด้วยคอมพิวเตอร์ของการจำกัดสนามแม่เหล็กเป็นการประมาณ และเพื่อที่จะทราบว่าการประมาณนั้นเชื่อถือได้หรือไม่ นักฟิสิกส์จำเป็นต้องมีกรณีทางคณิตศาสตร์ที่แน่นอนซึ่งทราบคุณสมบัติต่างๆ ไว้ — ตัวอย่างอ้างอิงสำหรับการทดสอบซอฟต์แวร์ที่สร้างแบบจำลองการจำกัดสนามแม่เหล็ก แทนที่จะอาศัยการประมาณทั้งหมด เป็นเวลากว่า 59 ปีแล้วที่กลุ่มผลิตภัณฑ์โซลูชันที่มีอยู่ถูกจำกัดโดยการคาดเดาของ Grad

สิ่งนี้เปลี่ยนไปในเดือนกันยายน พ.ศ. 2569 เมื่อ Matt Landreman นักวิจัยจากมหาวิทยาลัยแมรีแลนด์ตีพิมพ์วิธีแก้ปัญหาที่แน่นอนซึ่งขัดแย้งกับการคาดเดา จากข้อมูลของ TechRadar งานก่อนหน้านี้ได้รับความช่วยเหลือจาก GPT-6 Astra Pro ของ OpenAI ซึ่งเป็นหนึ่งในกรณีที่มีชื่อเสียงสูงกลุ่มแรกๆ ของโมเดล AI ระดับแนวหน้า ซึ่งมีส่วนทำให้เกิดผลลัพธ์ที่ล้มล้างการอ้างสิทธิ์ที่มีมายาวนานในฟิสิกส์พลาสมา

ขยายตระกูลโซลูชันด้วย Gemini 4 Argon

วิธีแก้ปัญหาของ Landreman มีข้อจำกัด: ทั้งตระกูลเก่าและตระกูลใหม่มีสมมาตรทางเรขาคณิตร่วมกัน ส่งผลให้นักวิจัยไม่มีตัวอย่างที่ชัดเจนสำหรับการกำหนดค่าที่ขาดไป

การศึกษาครั้งต่อไปโดย Opal Issan, Jonathan Citrin, Matt Landreman และ Brendan Tracey ได้เริ่มที่จะยกเลิกข้อจำกัดดังกล่าว นักวิจัยใช้ Gemini 4 Argon ผ่านสภาพแวดล้อมต้านแรงโน้มถ่วงของ Google โดยที่เจ้าหน้าที่ AI หลายคนได้สำรวจผลลัพธ์ก่อนหน้านี้ของ Landreman และตรวจสอบวิธีที่จะขยายผลออกไป

ตามรายงาน เจ้าหน้าที่พบวิธีที่จะกำจัดข้อจำกัดด้านสมมาตรจากโซลูชันของ Landreman ด้วยการแนะนำพารามิเตอร์ที่ทำลายสมมาตร ทำให้เกิดการกำหนดค่าแม่เหล็กใหม่ที่นักวิจัยสามารถตรวจสอบได้ ผู้สมัครทางคณิตศาสตร์ที่น่าหวังเกิดขึ้นภายในไม่กี่ชั่วโมงหลังจากที่เจ้าหน้าที่เริ่มการสอบสวน ซึ่งเป็นการบีบอัดกระบวนการค้นหาอย่างมาก ซึ่งโดยปกติแล้วจะต้องใช้การคำนวณด้วยมือหลายสัปดาห์

บทบาทของ AI คือการลดระยะเวลาการค้นหา ไม่ใช่เพื่อแทนที่วิทยาศาสตร์ นักวิจัยยังคงต้องตรวจสอบแหล่งที่มา ยืนยันว่าโซลูชันที่นำเสนอมีความสอดคล้องกันทางคณิตศาสตร์ และดำเนินการตรวจสอบด้วยคอมพิวเตอร์ นอกจากนี้ ความช่วยเหลือจาก AI ยังถูกนำมาใช้ในการเตรียมต้นฉบับงานวิจัยบางส่วน โดยผู้เขียนยังคงรับผิดชอบต่องานที่ตีพิมพ์

โซลูชันใหม่นี้มีประโยชน์อย่างไร

การกำหนดค่าที่ได้ทำให้นักวิจัยมีกรณีอ้างอิงเพิ่มเติมสำหรับการตรวจสอบโปรแกรมคอมพิวเตอร์ที่คำนวณสมดุลแม่เหล็กในการจัดเรียงสามมิติที่ซับซ้อน รหัสเหล่านี้ถูกใช้ทั่วทั้งชุมชนแม่เหล็กกักขัง — ในการวิจัยของ stellarator และ tokamak — และการตรวจสอบความถูกต้องขึ้นอยู่กับประเภทของโซลูชันที่แน่นอนในสายงานนี้

TechRadar มีความชัดเจนเกี่ยวกับขอบเขต: ความสำเร็จในทันทีคือชุดวิธีแก้ปัญหาทางคณิตศาสตร์ที่แม่นยำยิ่งขึ้นสำหรับนักวิจัยที่ศึกษาการกักขังแม่เหล็ก ไม่ใช่หลักฐานว่า AI ได้แก้ไขนิวเคลียร์ฟิวชันหรือขจัดอุปสรรคทางวิศวกรรม ช่องว่างระหว่างการแก้สมการสนามกับการสร้างโรงไฟฟ้ายังคงกว้างเช่นเคย

ลวดลายกำลังก่อตัว

งานนี้สอดคล้องกับผลลัพธ์ที่เติบโตอย่างรวดเร็ว โดยที่แบบจำลอง AI ระดับแนวหน้ามีส่วนช่วยในคณิตศาสตร์อย่างจริงจัง และแบบจำลองของห้องปฏิบัติการของคู่แข่งจะปรากฏในด้านต่างๆ ของปัญหาเดียวกัน แบบจำลองของ OpenAI ช่วยสร้างตัวอย่างแย้งดั้งเดิมที่ขัดแย้งกับการคาดเดาของ Grad แบบจำลองของ Google ช่วยขยายผลลัพธ์เหล่านั้นไปสู่ขอบเขตใหม่

นอกจากนี้ยังสะท้อนถึงตัวเลือกการออกแบบโดยเจตนาในส่วนของ Google Gemini 4 Argon ซึ่งเปิดตัวเมื่อต้นเดือนนี้ ได้รับการวางตำแหน่งโดยบริษัทให้เป็นแบบจำลองที่สร้างขึ้นสำหรับการให้เหตุผลเพิ่มเติมเกี่ยวกับปัญหาทางวิทยาศาสตร์ที่ยากลำบาก และ Google ได้จับคู่กับสภาพแวดล้อม Antigravity agentic ซึ่งตัวแทนหลายรายสามารถแก้ไขปัญหาพร้อมกันได้ กระดาษฟิวชันเป็นการสาธิตอย่างเป็นรูปธรรมในช่วงแรกๆ ของระดับเสียงที่นักฟิสิกส์ทำงานใช้ในทางปฏิบัติ

สำหรับชุมชนฟิสิกส์พลาสมา ผลตอบแทนในทางปฏิบัติจะมาถึงทันที: มีกรณีที่แน่นอนมากขึ้นในการตรวจสอบความถูกต้องของซอฟต์แวร์จำลอง สำหรับอุตสาหกรรม AI ถือเป็นอีกจุดข้อมูลในการถกเถียงว่าแบบจำลองขอบเขตกลายเป็นเครื่องมือในการค้นพบทางวิทยาศาสตร์อย่างแท้จริงหรือไม่ ซึ่งเป็นคำถามที่ตอบตัวเองมากขึ้นทีละข้อ

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →