上海
当人工智能开始进入核能这一安全边界极为严苛的领域，问题不只是模型能否给出答案，更在于答案能否被理解、验证和控制。7月17日，在2026世界人工智能大会（WAIC）“AI与先进核能共筑可持续智能未来”主题论坛上，中国科学院近代物理研究所发布AI for ADANES技术路线，并成立AI for ADANES全域创新联盟。中国科学院院士、ADANES项目总指挥詹文龙院士与CiADS总工程师、ADANES技术总师何源在接受对话时，解释了AI如何被嵌入这一中国原创先进核能系统。
据介绍，ADANES，即加速器驱动先进核能系统，集核燃料增殖、乏燃料嬗变和产能于一体。其以次临界运行改变传统反应堆的安全逻辑，但器、靶、堆强耦合也带来长期稳定运行的挑战。此次发布的AI for ADANES路线提出五层架构，并以“数据+物理模型+专家经验”共同支撑智能决策。
在詹文龙院士看来，AI的价值首先不在于替代人，而在于帮助科研人员处理难以穷尽的复杂数据和经验。“我们现在还不敢无人值守就交给他。”詹文龙院士说，AI可以对运行数据、既有经验进行学习和汇总，为科研人员提供参考，但最终仍要由人作出决定。对于加速器这样的复杂装置，AI参与后能够加快研制和优化过程，却不能取消人对安全边界的把关。
何源将这一要求概括为从“黑箱”走向物理可信。何源表示：“所有目前我们得到的东西，都还是需要经过人工的一个校验。”大模型可以从海量参数中发现可能路径，但不能直接作为可信结果投入安全级决策；路径必须回到物理规律和安全逻辑中接受检验。团队希望构建的不是仅从语言中学习的模型，而是围绕带电粒子在电磁场中运动和相互作用的微观物理世界模型。
这套思路落在加速器控制上，表现为对“提前发现”和“主动干预”的追求。何源介绍，强流加速器运行中，束流损失可能对装置造成损害；团队要从物理机制和全域信号中识别可能损失的粒子，并在传输过程中提前处理。“百万粒子不允许丢失一个粒子。”何源说，只有把数据、物理理论和专家经验结合起来，才能建立对自动运行的信心。
与此同时，在CiADS装置中，AI被用于处理成百上千个元件和大量运行参数之间的关联。何源表示，当参数漂移时，过去依赖人工调试可能需要一天，借助AI自主寻优，团队已能够在分钟级找到新的参数；AI代理模型也在探索将原本数小时的计算压缩到秒以内。何源表示：“AI不是万能的，但没有AI是万万不能的。”
对于外界关心的安全和能源问题，詹文龙院士强调，加速器驱动路线要在安全性与经济性之间寻求优化。何源表示，ADANES 的核心目标之一，是将铀资源利用率提升至95% 以上，同时实现乏燃料的安全减量化处理；相比当前商用核电不到1% 的资源利用率，这一突破依托的是加速器驱动次临界系统与全新闭式燃料循环技术的协同支撑。
谈及未来趋势，詹文龙院士表示，复杂系统研究会反过来推动AI领域的算法、数据和基础研究。“十年之内肯定是要落地应用的”，他对ADANES项目发展前景作出判断。何源也介绍道，下一阶段示范装置希望在2035年前后实现并网。
谈及生态建设，詹文龙院士表示，AI发展快、路径多，“不是一个研究所、几个人能想明白的事情”。何源也表示，从边缘计算、深度学习到大语言模型和智能体协同系统，团队对AI的理解仍在演进；联盟的意义，正是吸引企业、科研院所和高校共同填充这一开放体系。对核能这样的复杂巨系统而言，AI的角色不是取代人的最终判断，而是在物理约束、数据积累与专家经验的共同边界内，让系统更可解释、更可控。
本文来源：网易智能
责任编辑：
丁广胜_NT1941
