2026 年 9 月，两篇关于三维磁流体平衡的预印本先后发布，引起了聚变圈的热烈讨论。1967 年， Grad 断言，没有对称性，就不存在光滑的三维等离子体平衡——核聚变里的仿星器路线，为这句话悬了59年。而最近，GPT-6 Astra只想了20分34秒，就给出了否定这个猜想的反例。

Landreman 在 GPT-6 Astra Pro 的帮助下发现了两族显式解析解；Gómez-Serrano、Liehr 和 Taylor 则在研究人员制定的构造路线下，借助 AI 辅助完成技术推导和形式化工作。两项研究以不同方式展示了 AI 参与基础理论探索的过程，也为仿星器平衡研究提供了新的分析对象。

仿星器用三维磁场约束高温等离子体。理想情况下，磁力线位于一层层嵌套的环形曲面上，形成磁面；同时，磁场作用力与等离子体的压强梯度保持平衡。困难在于，缺少轴对称等对称性时，光滑的非恒定压强与完整磁面能否严格共存？Grad 猜想及其后续数学表述关注的正是这类解的存在性。此次构造出的特定解族，为其中的相关表述提供了反例。

Landreman 向模型提出了以下要求：磁场必须非轴对称，具有嵌套环形磁面和非零旋转变换，并满足光滑性与磁流体力平衡。旋转变换描述磁力线每绕环向一周时平均绕极向的周数。模型经过 20 分 34 秒的作答，给出了第一族解及其推导。这族显式解的旋转变换恒为 ι＝2，其磁轴不在同一平面内，磁场、压强和磁面均可用初等函数表示。

（图 1　具有非平面磁轴的第一族解析三维平衡 左上展示一个磁面、其上的两条磁力线及磁轴；其余面板给出不同非轴对称参数 ε 下的磁面截面。该族解的旋转变换在各磁面上均为 ι＝2。来源：Landreman（2026），arXiv:2609.26742v2）

第一族解满足了初始问题的关键要求，但磁力线绕环向一周、绕极向两周后便闭合。研究者因此继续追问：能否找到旋转变换不局限于整数、包含非闭合磁力线的解？

据报道展示的过程，模型在尝试推广时先指出了原构造的限制，随后改换构造，给出了具有磁剪切的第二族解。磁剪切意味着旋转变换随磁面变化；这一族解的磁轴为平面椭圆，旋转变换可以取有理数和无理数，因此同时包含闭合与非闭合的磁力线。第二族解拓展了第一族所展示的磁场结构。

（图 2　具有磁剪切的第二族解析三维平衡 左上展示三维磁面、平面椭圆磁轴和磁力线片段；其余面板展示三组参数下的磁面截面。这一解族的旋转变换随磁面变化，图中呈现的是其几何结构。来源：Landreman（2026），arXiv:2609.26742v2）

两族解都在选定的环形区域内保持光滑，并具有精确的嵌套磁面。它们适用于有限纵横比，不依赖于靠近磁轴或微小偏离轴对称的展开，因而能够描述明显的三维形变。这些性质使它们成为可以直接计算和检验的三维平衡实例。

模型给出表达式后，研究人员还确认了它是否真正满足方程和构造条件。Landreman 在论文中明确说明，全部方程均由他人工确认。公开仓库还包含符号校验笔记、原始对话，以及将解析解与 DESC 数值平衡进行比较的脚本，使其他技术人员能够检查推导并复现相关测试。

同时，Gómez-Serrano、Liehr 和 Taylor 从严格数学构造出发，证明了一类光滑三维平衡的存在。这些平衡仅保留离散旋转对称性，可以随参数连续变化，规则压强面为嵌套环面。其特殊之处在于磁轴是圆形，磁场在轴上为零。团队同时提供了主结果的 Lean 4 形式化证明材料。

（图 3　嵌套压强面与磁轴的几何示意 左侧展示三层嵌套环形压强面、闭合磁力线及圆形磁轴；右侧为相应截面，磁轴处 B＝0。原图采用前导阶模型，放大了偏心率以便观察，超出了定理的小偏心率范围，并省略了非线性修正。来源：Gómez-Serrano、Liehr 与 Taylor（2026），arXiv:2609.24739v1）

论文中说明，这项研究由作者提出问题并制定详细构造路线，GPT 和 Claude 系列模型随后辅助补充技术细节、开展计算和提供数学反馈；Lean 代码也在作者持续指导下生成。后期使用的新模型参与了验证阶段与最终校对。

这些成果明确展示，在特定构造中，明显非轴对称的几何可以与光滑平衡、完整磁面共存。新解析解目前对仿星器的直接贡献主要体现为理论实例和数值程序基准，发展为装置候选还需评估粒子约束、输运、稳定性和线圈可实现性。有了可直接计算的解析解，研究人员能够逐项检查数值结果、分析误差，并在可靠的平衡基础上探索更多位形。

这些工具与仿星器设计的计算需求密切相关。常见设计流程需要反复调整等离子体边界，调用 VMEC 或 DESC 求解平衡，再评价物理与工程性能；能够减少无效尝试、改进候选方案的工具，都有助于提升探索效率。SQuID 等准等动力设计中采用的物理目标和评价方法，也可作为考察新解性能的参考，推动解析构造与位形优化进一步衔接。

AI 在这些环节已经有了具体的应用成果。ConStellaration 项目公开了约 15.8 万个类准等动力边界及相应平衡和性能数据，并利用学习模型生成新的候选位形，部分结果通过了物理程序对放宽后测试约束的检查。Kaptanoglu 和 Gil 的概念验证工作则将大模型接入自动线圈优化，参考已有结果和失败记录提出下一批计算方案；同一平台还将有限元应力计算纳入优化。这些工作为数据驱动的候选生成、自动搜索组织和工程计算集成提供了可复用的方法与工具。岩超聚能在其位形及线圈的优化设计过程中，也实现了利用AI 辅助寻找构造、推导参数关系，并结合已有数据提出候选方案；物理程序对这些方案进行评价，并将结果再用于指导下一轮构造和搜索的工作流程。这种结合解析知识、学习模型与物理验证的流程，有望把更多研究资源用于有潜力的方案。

从解析解发现、候选位形生成到自动化搜索，AI 加速仿星器研发的应用趋势已在这些工作中逐步显现。随着模型推理、代码生成和工具使用能力增强，并与可靠的物理计算相结合，我们有理由期待，AI 将支持更多轮连续的构造、计算与修正，让研究人员在同样时间内探索更丰富的设计空间。已有成果为这一方向提供了依据，更强的模型和更完善的研究工具，有望进一步提高研发效率、缩短设计迭代周期，帮助找到更多满足物理与工程要求的位形。

AI全面加速仿星器聚变商业化，已经是大势所趋，唯一的变量，是这一天来得会有多快。