2026年4月17日，来自劳伦斯利弗莫尔国家实验室 (LLNL)、伦敦帝国理工学院的研究人员利用机器学习和增材制造技术，通过实验证明了3D打印明胶靶可以抑制 Richtmyer-Meshkov 不稳定性 (RMI)——一种冲击驱动现象，会降低惯性约束聚变 (ICF) 实验的性能。
这项发表在《物理评论快报》（Physical Review Letters）上题为“Passive Freeze-Out of the Richtmyer-Meshkov Instability”的研究成果，是首批证明由机器学习设计算法生成的结构可以进行物理制造并通过实验验证的研究之一。
当冲击波穿过密度不同的材料界面时，就会发生RMI现象。这会产生不稳定的射流，从而破坏内爆聚变靶丸的对称性并降低能量输出。研究团队采用机器学习优化算法，搜索候选空隙几何形状（具体而言，是目标材料内部的形状空腔），这些空腔能够在冲击波到达不稳定界面之前重新分配冲击波。论文第一作者、现就职于欧洲XFEL的杰格斯·斯特鲁卡（Jergus
Strucka）表示：“我们的目标在冲击波穿过材料的过程中，从空间和时间两个层面改变了冲击波的形状。我们不是让单一的冲击波冲击表面，而是引入空隙，将其分解成一系列到达时间略有不同的较小压力脉冲。”
△机器学习目标的构建和测试的过程
为了制造这些靶材，研究团队使用聚合物3D打印机制作了一个所需结构的倒置模具。然后将明胶浇注到模具中，待其凝固后取出——最终得到一个样品，其中一面是波浪状表面，另一面是优化后的空隙几何形状。
△绿色虚线突出显示空隙结构，而红色线条显示跟踪界面。
随后，研究人员将明胶靶材放置在一条细铜条上，并通过铜条释放出一个强度相当于数次闪电的强电脉冲。铜条受热爆炸，并将冲击波注入明胶中。冲击波首先遇到明胶中的空隙，这些空隙会改变冲击波的形状和分布，之后冲击波才会到达原本会形成RMI的波状界面。LLNL 的科学家兼研究的合著者Dane Sterbentz
说：“在某种程度上，我们利用设计的空隙制造了另一种不稳定性，这种不稳定性会抵消RM
不稳定性并减少喷射。通过改变原始压力脉冲穿过这些空隙时的状态，我们还产生了一种二次压力波，这种压力波实际上可以抑制不稳定的喷射。”
斯特鲁卡补充道：“挑战在于，虽然这些设计在模拟中看起来很有前景，但它们通常极难制造和进行实验测试。我们的工作是首批证明此类人工智能优化结构可以实际构建并在真实实验中研究的成果之一。”
迈向融合之路及更广泛应用
由于基本的空隙物理原理同样适用于球形几何结构，研究人员表示，研究结果可以为ICF 胶囊中填充管和材料界面的设计提供参考，以帮助隔离单个效应，而不是复制完整的 ICF 条件。斯特本茨（Sterbentz）说：“对于国家点火装置（NIF）上的惯性约束聚变（ICF）实验而言，探测像RM不稳定性这样的孤立效应既困难又昂贵。而我们的实验装置正能解决这个问题——它使我们能够在一个更简单的系统中探测这种不稳定性。然而，与ICF更直接相关的实验还需要在诸如欧米茄激光装置或NIF等设施上进行。”
来源：南极熊
0 留言