近日，美国橡树岭国家实验室（ORNL）、克利夫兰诊所（Cleveland Clinic）与 IBM 利用量子计算完成聚变反应堆熔盐体系模拟，并验证了一套融合人工智能、超级计算机和量子计算的材料研发流程，为聚变材料设计提供了一种新的计算方法，也为后续扩大规模奠定了基础。
聚变燃料循环中的材料难题
聚变发电的核心燃料是氚，而地球自然界几乎没有可供直接利用的天然氚储备。目前全球每年仅生产几磅氚，一座1GW级聚变电站每天就要消耗约1磅，这意味着未来的商业聚变电站必须在运行过程中持续补充新氚。
托卡马克装置外围覆盖着一层熔盐包层，承担着多重任务。聚变产生的高速中子进入熔盐后，与锂-6反应生成新氚，实现燃料持续增殖；同时还要吸收中子保护超导磁体、冷却反应堆结构，并将热量输送至发电系统。
在中子持续轰击下，熔盐化学组成不断变化，任何配方都需兼顾增殖效率、耐辐照和长期稳定性。
量子计算如何介入熔盐模拟
研究团队聚焦氚生成后的化学行为——这关乎燃料能否顺利回收。新生成的氚若与氟结合，会形成腐蚀性的氟化氚，增加回收难度；若保持气体状态，则能自然逸出、更易收集，要计算这一过程，需准确描述电子在原子间的分布。
此前密度泛函理论在熔盐自由能计算中约有10%误差，难以满足设计需求。研究采用IBM的Quantum-centric Supercomputing框架，将体系拆分为多个原子团簇：经典计算处理大部分，量子计算求解电子纠缠复杂的区域，结果由经典计算重新组合。
该法此前已在12635个原子的蛋白质计算中得到验证。此次从FLiBe熔盐中选取9种结构，每种含21个离子团簇，计算结果与领先经典算法一致。
从21个离子到10²⁴个粒子
当前模拟对象仅21个离子，而真实反应堆熔盐包层含约10²⁴个粒子，差距巨大。团队计划扩大团簇规模，并将结构增至数百种，逐步逼近真实液态熔盐环境。
研究同时给出了后续流程：AI从70余年熔盐数据库中筛选候选材料；超算完成原子级模拟并训练AI；量子计算负责精度最高的电子结构计算。橡树岭实验室希望未来每种新熔盐都先完成计算筛选，再进入实验室验证。
三类算力协同进入工程验证阶段
这项研究的价值不仅限于聚变材料。它验证了一条可复用的技术路径：AI负责搜索，超算负责模拟，量子计算负责精度，三类算力协同完成同一项科研任务。
随着全球多座实验聚变反应堆陆续建设，围绕熔盐材料的计算研究同步推进，这项成果为聚变材料研发提供了一种新的计算工具，也让实验与计算之间的衔接更加紧密。聚变反应堆仍在建设，量子计算距离大规模工程应用也还有距离，但“量超智融合”正在一个个具体科研任务中逐步证明自身价值。