Истражувачи од Ames National Laboratory претставија DuctGPT, алатка базирана на вештачка интелигенција што треба значително да го скрати времето за откривање нови материјали за идните фузиски системи. Моделот комбинира генеративен трансформер со физички модели за да предвидува легури кои можат да издржат екстремна топлина, радијација и механички оптоварувања.
Работата е објавена во списанието Acta Materialia под наслов „DuctGPT: A Generative Transformer for Forward Screening of Ductile Refractory Multi-Principal Element Alloys“ (DOI: 10.1016/j.actamat.2025.121763). Тимот, предводен од научникот Прашант Синг, тргнал од постоечкиот AtomGPT и го дообучил со податоци од науката за материјали за конкретни фузиски примени.
Клучниот проблем кај ваквите материјали е тешкиот баланс меѓу висока јачина на високи температури и доволна растегливост за практична изработка. Според истражувачите, DuctGPT може за неколку секунди да пребарува огромен број комбинации на елементи и да предложи состави што ги исполнуваат зададените критериуми.
Особено внимание е насочено кон волфрамот, кој е отпорен на многу високи температури и има поволни карактеристики по изложување во фузиска средина. Неговиот главен недостаток е слабата растегливост на ниски температури, што го отежнува обликувањето во сложени компоненти. Со DuctGPT, истражувачите тестираат простори на состави, како системи со волфрам, титаниум, циркониум и хафниум, за да најдат подобар компромис меѓу цврстина и обработливост.
Дополнителна предност е што ваквите пресметки може да се изведуваат и на стандардни десктоп компјутери, наместо исклучиво на скапи суперкомпјутери. Тоа, според тимот, го намалува циклусот на откривање од месеци на денови или часови. Следниот чекор е интеграција на нови податоци и модели за попрецизно предвидување на однесувањето на материјалите во реална работа на реактор.
