"تمام شد، هوش مصنوعی خواهد رفت": Google Gemini 4 Argon حدس 59 ساله گداخت هسته ای را تنها در چند ساعت در هم می شکند

هوش مصنوعی گوگل معادلات میدان مغناطیسی مربوط به راکتورهای همجوشی تجربی را بررسی کرد

عوامل هوش مصنوعی ظرف چند ساعت پس از شروع تحقیقات خود پیکربندی های مغناطیسی جدیدی پیدا کردند

Gemini به گسترش راه حل های ریاضی مرتبط با یک مسئله تحقیقاتی همجوشی 59 ساله کمک کرد Gemini 4 Argon گوگل به محققان کمک کرده است تا راه‌حل‌های ریاضی را برای مسئله‌ای که میدان‌های مغناطیسی درون راکتورهای همجوشی آزمایشی را در بر می‌گیرد، توسعه دهند و بر اساس تحقیقاتی که یک حدس علمی قدیمی را به چالش می‌کشد، بسط دهند.

این دستاورد مربوط به محاسباتی است که برای مدل‌سازی چگونگی استفاده از سوخت فوق‌گرم در میدان‌های مغناطیسی، به جای پیشرفتی که الکتریسیته تولید می‌کند یا همجوشی را از نظر تجاری قابل دوام می‌کند، مورد استفاده قرار می‌گیرد.

این تیم به جای اثبات اینکه یک مشکل غیرممکن در نهایت می تواند حل شود، از هوش مصنوعی برای گسترش راه حل های موجود در پیکربندی هایی استفاده کرد که نمونه های قبلی آن را پوشش نداده بودند.

جمینی با گسترش ریاضیات موجود راه حل های جدیدی پیدا می کند

همجوشی محصور شده مغناطیسی از میدان‌های قدرتمند برای محتوی گاز بسیار داغ و دارای بار الکتریکی استفاده می‌کند و از فرار آن قبل از ترکیب شدن هسته‌های اتمی و آزاد کردن انرژی جلوگیری می‌کند.

دانشمندان به مدل‌های ریاضی دقیقی از این زمینه‌ها نیاز دارند، زیرا شبیه‌سازی‌های رایانه‌ای به آنها کمک می‌کند رفتار پلاسما را درک کنند و پیکربندی‌هایی را طراحی کنند که قادر به حفظ محدودیت هستند.

در سال 1967، هارولد گراد، فیزیکدان، حدسی در مورد شرایط ریاضی حاکم بر تعادل در میدان های مغناطیسی سه بعدی ارائه کرد که بر تحقیقات در مورد پیکربندی های پلاسما تأثیر گذاشت.

در سپتامبر 2026، مت لاندرمن، محقق دانشگاه مریلند، راه‌حل‌های دقیقی را منتشر کرد که با این حدس‌ها تناقض داشت، با کمک OpenAI's GPT-6 Astra Pro.

آن راه‌حل‌های قبلی اهمیت داشتند زیرا نمونه‌های ریاضی را ارائه می‌کردند که محققان می‌توانستند از آنها برای آزمایش نرم‌افزار مدل‌سازی محصوریت مغناطیسی استفاده کنند، نه اینکه کاملا بر تقریب‌ها تکیه کنند.

با این حال، هر دو خانواده راه‌حل‌ها تقارن هندسی خاصی داشتند، و محققان را بدون مثال‌های دقیق معادل برای پیکربندی‌هایی که فاقد آن ویژگی بودند، باقی گذاشت.

مطالعه بعدی توسط Opal Issan، Jonathan Citrin، Landreman و Brendan Tracey راه حل های موجود را با معرفی پارامتری که این تقارن را می شکند، گسترش داد.

پیکربندی‌های ریاضی به‌دست‌آمده، موارد مرجع بیشتری را برای بررسی برنامه‌های رایانه‌ای که تعادل مغناطیسی را در آرایش‌های پیچیده سه‌بعدی محاسبه می‌کنند، به محققان می‌دهد.

هوش مصنوعی جستجو را کوتاه کرد، نه کل فرآیند علمی را

محققان از Gemini 4 Argon از طریق محیط Antigravity گوگل استفاده کردند، جایی که چندین عامل هوش مصنوعی نتایج قبلی Landreman را بررسی کردند و راه‌های گسترش آن‌ها را بررسی کردند.

این عوامل راه‌هایی برای حذف محدودیت تقارن ریاضی از راه‌حل‌های لندرمن پیدا کردند و پیکربندی‌های جدیدی را تولید کردند که محققان می‌توانستند تأیید کنند.

محققان گزارش دادند که نامزدهای ریاضی امیدوارکننده در عرض چند ساعت ظاهر شدند، که نشان می‌دهد هوش مصنوعی می‌تواند تحقیقات دشواری را که شامل محاسبات گسترده و شرایط ریاضی به هم مرتبط است، تسریع بخشد.

این سرعت اهمیت دارد زیرا توسعه و بررسی راه‌حل‌های بالقوه به محققان نیاز دارد تا از طریق محاسبات پیچیده کار کنند و تعیین کنند که آیا روابط ریاضی حاصل با هم هستند یا خیر.

با این حال، کشف اولیه تنها بخشی از این فرآیند بود، زیرا محققان هنوز باید مشتقات را بررسی کرده و ثابت کنند که راه‌حل‌های پیشنهادی از نظر ریاضی سازگار هستند.

این تیم همچنین از تأیید محاسباتی و کمک هوش مصنوعی هنگام تهیه بخش‌هایی از دست‌نوشته تحقیق استفاده کرد، در حالی که نویسندگان مسئولیت کار منتشر شده را حفظ کردند.

دستاورد فوری مجموعه گسترده‌تری از راه‌حل‌های دقیق ریاضی برای محققانی است که در حال مطالعه محدودیت مغناطیسی هستند، نه شواهدی مبنی بر اینکه هوش مصنوعی همجوشی هسته‌ای را حل کرده یا موانع مهندسی آن را برطرف کرده است.

از طریق arXiv