2月15日消息，美国能源部发布的《Genesis Mission》（创世纪）报告，系统阐述了通过人工智能技术推动26项科研挑战解决方案。

　　报告聚焦先进制造、建筑、生物技术、关键矿产、核能、量子计算、微电子、数据中心、材料科学、能源基础设施等核心领域，提出利用AI驱动的数字孪生、自主实验室、物理信息神经网络等技术，解决传统方法面临的效率瓶颈、成本障碍和安全风险。

　　例如，在先进制造领域，通过AI整合多尺度动态系统数据，实现从材料发现到产品商业化的端到端数字化转型；在核能领域，开发可解释AI模型加速反应堆设计与运营，目标实现2倍工期加速和超50%成本降低。

　　《创世纪使命》报告中描述的与核能相关的挑战包括：“更快、更安全、更便宜地提供核能”；“加速提供聚变能”；“利用美国历史核数据和研究”；“提高核研究设施的实验能力”；以及“简化生产流程、消除繁文缛节、确保核能企业的安全”。

　　报告对其他科学、能源和安全方面的挑战也进行了类似的详细阐述。例如，“扩大电网规模以支持美国经济”、“增强粒子加速器以进行探索”、“设计具有可预测功能的材料”、“释放地下战略能源资产”、“实现人工智能驱动的自主实验室”、“重新构想先进制造和工业生产力”、“利用人工智能发现量子算法”以及“将微电子产业重新聚焦于美国”。

　　报告强调，美国实验室将促使科研基础设施与工业数据优势，提出通过联邦学习、物理信息建模等方法，构建跨学科、跨领域的AI协同创新生态，最终实现美国在关键科技领域的全球领导地位。

　　早前2月4日，美国总统特朗普接受哥伦比亚广播公司时表示，美国在人工智能竞赛中所取得的地位。“人工智能的发展令人难以置信，它正在发生的一切。”

　　挑战：弥合科学发现与具有商业可行性的产品和工艺之间的鸿沟，即所谓的“死亡之谷”，依然是工业制造领域面临的最大挑战。创新材料与工艺的规模化、改造或部署，依赖于一个庞大而复杂的参数空间，需要揭示并整合其中蕴含的物理与化学基本原理——这些原理正是引领下一轮美国制造业革命的关键所在。

　　人工智能解决方案：近期，代理型和生成式人工智能（AI）的最新进展为加速发现与转化科学研究提供了机遇。这些新工具能够驾驭多尺度、高维度的动态系统，从而发现隐藏的关联，揭示全新的制造路径与产品。此外，人工智能还能通过整合来自机器、产品、工艺及供应链的实时数据，构建数字孪生，实现工业制造的端到端数字化转型，以持续提供人机协同的自动化决策支持，并推动新兴先进制造技术的部署应用。

　　理由：美国能源部（DOE）下属的实验室汇聚了全球顶尖的专业技术，涵盖能源应用中新型化学与材料的发现、优化及规模化生产，以及智能制造领域。这些实验室还运营着一流的合成与表征设施以及高性能计算（HPC）资源。与此同时，DOE与工业界长期保持合作，这有助于积累来自工业设施的数据。这种得天独厚的条件为推动美国工业当前及未来基于人工智能的制造发展创造了理想环境。

　　影响力：通过一个高效、分布式且具备适应性的平台，实现创新成果的快速交付，该平台能够支持实时决策与端到端智能，将深刻变革我们制造化工产品和材料的方式——这些产品和材料是工业制品及先进能源技术的基础。同时，这一转型还将增强供应链韧性，提升美国工业的竞争力，从而创造就业机会并推动经济增长。

　　挑战：由于许可审批分散且数据互操作性差，建筑施工面临成本高昂、周期漫长的问题。此外，建筑物投入运营后，有时因楼宇控制系统存在缺陷，反而会导致能源账单增加。

　　人工智能解决方案：人工智能可通过推动自动化设计、基于物理的建模、快速审批以及优化维护等领域的突破，彻底变革建筑从设计到运营的整个生命周期。美国能源部将与机器学习及智能代理平台的开发者开展合作，并携手拥有相关数据的建筑业主、实验室、建筑公司及其他各方，共同验证并加速人工智能的学习进程。

　　理由：美国能源部在建筑领域拥有丰富的专业知识和实验室的建筑科学能力，加之其完善的建筑研究基础设施以及公私合作模式，使其具备独特优势，能够有效应对这一挑战。全国性影响：此举将缩短建筑工期并降低建造成本，从而提高住房的可获得性和 affordability，同时使住宅和商业建筑的运营成本更低。

　　挑战：按需设计生物学，以推动生物技术的创新并重夺美国的领导地位，将要求我们准确界定从原子、分子、有机体到生态系统乃至再回至原子的基本支配原则。然而，生物系统的非线性复杂性和漫长而昂贵的研发周期阻碍了生物技术的创新，制约了关键生物燃料、生物化学品和生物产品的供应，而这些产品对于美国的经济繁荣与能源独立至关重要。

　　人工智能解决方案：人工智能将整合并解读基因组学、多组学、影像、动态及表型组学数据，构建嵌入式模型，以建立基因型与表型之间的关联，识别因果控制点，并指导自主实验。这将提升人工智能在不确定性下推理长因果链的能力，实现跨多尺度的整合，并从稀疏且含噪的数据中学习。诸如数字孪生之类的工具可用于降低工艺开发、优化、集成和规模化过程的风险，从而将生物燃料、生物化学品和生物产品的工业化生产速度大幅提升数个数量级。

　　理由：美国能源部独具优势，可充分利用劳伦斯伯克利实验室（LBNL）联合基因组研究所的世界一流分子与基因组学能力、太平洋西北实验室环境分子科学实验室的专业能力，以及爱达荷国家实验室（INL）生物质原料用户设施的专用原料与转化技术，还有落基山实验室（NLR）集成生物化学精炼设施及工艺开发单元，以及LBNL先进生物燃料/生物产品工艺开发单元的设施与高性能计算资源。这些能源部的资产，结合人工智能工具和数字孪生技术，将助力实现生物过程、产品与系统的预测性设计，并加速生物制造的快速规模化发展。

　　影响力：加速人工智能驱动的生物技术发展，将使美国在生物技术革命中占据领先地位，快速推动从基础研究到生物制造规模化生产的全链条进程。这一进程涵盖能源、基于生物的国内关键矿物与材料（CMM）、健康、农业和生物安全等领域，进而带动全国范围内的经济增长与就业创造。

　　挑战：美国对外国供应链中关键矿物材料的依赖，威胁着经济竞争力以及实现能源独立所必需的技术部署。国内关键矿物的生产成本高昂、工艺复杂且耗时较长，部分原因在于关键矿物供应链涉及众多环节——从识别、开采、提炼到富集，这些环节均需面对复杂多样的矿源。

　　人工智能解决方案：人工智能将通过整合地球物理数据、其他基础科学数据、工艺优化、成本估算及经济建模，打造一个互联互通的系统，从而彻底变革整个关键矿产供应链以及替代材料的研发进程。要应对这一挑战，亟需一种具备科学推理能力、能够理解复杂结构与性能关系、并能设计出不同成分替代方案的人工智能。基于物理原理的人工智能可提供先进的预测能力，帮助识别替代方案，并深入理解关键矿产的供应、回收、提炼及替代过程背后的机理。

　　理由：美国能源部现有的矿物表征数据集（例如METALLIC、关键材料创新中心）结合了能源部实验室的专业知识，以及能源部支持的材料科学、化学、地球科学、生物学、过程工程和经济建模等领域的研究力量，有望将长达数年的矿物开发周期大幅缩短，实现快速资源评估与PG中国电子技术有限公司生产优化。此外，借助人工智能技术，还可能发现新的策略，以替代或完全消除某些材料和化工工艺中对关键矿物原料的需求。

　　影响：此项努力将减少对敌对的依赖，扩大美国的矿产资源基础，最大限度地提高生产盈利能力，并增强对安全和经济繁荣至关重要的技术供应链韧性。

　　挑战：核电站历来面临开发周期长、成本飙升的难题，这限制了美国在需求持续增长——尤其是来自人工智能数据中心的需求——的情况下，提供经济实惠、韧性十足且可靠的能源的能力。

　　人工智能解决方案：该举措将通过利用人工智能设计、许可、制造、建设和运营反应堆，并采用人机协同的工作流程，加速核能的部署，至少实现工期缩短两倍，运营成本降低50%以上。为达成这些目标，我们正运用一系列可解释的人工智能解决方案，包括代理模型、智能工作流、自主实验室和数字孪生。例如，在反应堆运行方面，我们将采用配备人工智能组件的数字孪生系统，实时解析复杂的运行数据。 理由：美国能源部凭借其国家实验室在核领域的专业知识、试验设施（例如，爱达荷国家实验室的先进试验反应堆、瞬态反应堆试验设施、燃料处理设施、热燃料检查设施及协同计算中心；橡树岭国家实验室的高通量同位素反应堆；阿贡国家实验室的机械工程试验回路设施），以及数十年的运行数据、监管合作、行业伙伴和广泛的计算生态系统，具备独特优势，能够加速反应堆的部署进程。

　　影响力：这一方案将为美国民众提供更经济实惠的能源，同时减少人为失误，并以每吉瓦发电装机容量数十亿美元的成本节约，直接助力美国实现能源主导地位。

　　挑战：要在电网中实现聚变能源，必须在聚变科学技术路线图所界定的六个紧密关联的挑战领域内协同推进。1 单纯依靠孤立的、针对特定装置的试错方法，无法以满足能源目标所需的规模、复杂度和速度来管理这些相互依赖关系。

　　人工智能解决方案：人工智能赋能物理约束的数字孪生，将等离子体、核能、材料及系统行为整合到统一的预测框架中，从而能够在仿真与实验中一致地评估性能与工程权衡、失效模式以及设计裕度。一个AI融合数字汇聚平台（DCP）将集成高性能计算代码中的全新算法、等离子体与材料科学的基础模型、基于物理与化学知识的神经网络、代理模型以及用于全设施建模和跨六大路线图挑战领域实时控制的数字孪生。该DCP将加速基础设施建设，缩短创新周期，并助力打造具有竞争力的美国聚变生态系统。

　　理由：美国能源部独具优势，能够汇聚聚变装置、实验室、顶级计算能力、数据管理以及公私合作伙伴关系，从而打造并运营一个值得信赖的、全国规模的人工智能平台，该平台将整合聚变生态系统中的数据、模型与实验。这一平台将充分利用国内外大型聚变装置以及聚变材料与技术基础设施——包括高热流试验台、氚及包层试验台与回路、辐照设施，以及公共和私营部门的原位与在役材料表征能力——以助力实现聚变发展路线图的各项里程碑目标。

　　影响力：DCP将加速实现聚变能的商业化应用，使其成为稳定、可扩展的基础负荷电源，从而增强美国的能源安全与竞争力。

　　挑战：美国能源部的环境清理任务在未来八十年内预计将面临高达5400亿美元的巨额负债，其中约9000万加仑高度放射性罐装废料亟待处理，这不仅阻碍了场地修复与恢复工作，也对美国的能源安全与创新构成重大威胁。

　　人工智能解决方案：将基于多模态人工智能基础模型，利用美国能源部能源管理办公室（EM）独一无二的、长达30余年的核处理设施运行数据进行训练，以预测实验室、中试及全规模系统中与规模相关的行为特征。实验室专家将借助Equinox超级计算能力，加速AI模型开发过程中的仿真架构。我们的目标是通过人工智能技术，推动任务提速，助力EM实现2040年愿景，并大幅降低相关责任风险。

　　理由：美国能源部环境管理办公室在复杂场地（例如萨凡纳河场址的国防废物处理设施和盐类废物处理设施）设计与运营大型设施过程中积累的独特数据资产，结合行业合作伙伴提供的能力，将助力开发跨尺度人工智能模型，以安全高效地应对部署挑战（例如汉福德场址的废物处理与固化设施），而其他机构则无法利用这些优势。

　　影响力：这一转型将缩短部署周期，加速核污染治理，从而推动核材料（用于能源和医疗领域）及基础设施的重新利用，助力美国实现能源主导地位。

　　挑战：由于潜在量子操作的数量庞大，发现新的量子算法是一项极具挑战的任务，且对于人类研究人员而言，这一过程极难把握，甚至违背直觉。美国要在新兴的量子计算革命中占据领先地位，就必须加快量子算法的设计与开发进程——包括那些能够充分利用经典高性能计算、人工智能与量子计算机融合优势的算法——以彰显其科学价值并证明其确凿的量子优势。

　　人工智能解决方案：全新的人工智能技术能够通过自动化与优化量子算法的设计，并将其转化为实际应用，而无需事先具备相关领域的专业知识。此外，基于人工智能的平台还能将自然语言中高层次的问题描述转化为可执行的量子电路，使来自不同领域的研究人员都能更便捷地开展算法设计。人工智能还有助于构建科学工作流，充分利用经典与量子资源之间的协同效应，实现跨平台的数据流动管理与复杂计算任务的执行。

　　理由：有充分证据表明，量子计算机和量子算法将为科学界带来具有重大影响的计算问题解决方案，其能力远超传统高性能计算和人工智能的极限。美国能源部拥有最全面的科学计算能力组合，而量子计算能力的这些进步将使我们能够开展传统方法难以处理的计算任务。

　　影响力：新量子算法的发现将在科学领域拥有广泛的应用前景，涵盖聚变科学、高能物理、核物理、材料科学和化学等学科。此外，这些算法还提出了多项商业应用，有望加速药物、材料和化学品的发现进程。这一技术飞跃不仅将有力推动经济与安全发展，还将为解决一些最棘手的科学与社会问题提供重要工具。

　　挑战：用于量子计算、量子传感和量子通信的量子系统有望通过实现前所未有的建模、模拟和测量能力，彻底变革发现科学。然而，当前量子系统的应用受到其脆弱性、可扩展性和与现有基础设施集成能力的严重限制。其内在挑战在于，我们对量子系统中复杂因果关系的理解和控制仍十分匮乏。

　　人工智能解决方案：人工智能已展现出处理海量多模态数据、识别复杂模式与关系，以及自适应学习以应对动态且不可预测环境的能力。这种能力使人工智能特别适合于理解和控制复杂量子系统的微妙特性。在量子计算领域，人工智能将助力实时噪声抑制、自适应错误检测与校正，以及系统优化与设计。在量子传感领域，人工智能将优化量子纠缠，提升灵敏度，并实现对多传感器量子网络的精准调控。在量子通信领域，人工智能将动态优化多节点量子网络的设计与控制。面对量子不确定性下的实时决策、观测代价高昂且具有破坏性的学习控制策略、基于不完整信息的行为预测，以及实时适应漂移等挑战，亟需开发全新的人工智能方法。

　　理由：美国能源部旗下设有五个国家量子信息研究中心，致力于攻克量子计算、量子传感和量子通信领域的技术瓶颈。现有的生态系统非常适合开发人工智能解决方案，以实现对量子系统的全面控制。

　　影响力：借助人工智能对复杂量子系统的理解和控制，将加速量子技术的部署，并推动其在当前难以攻克的科学发现与技术开发挑战中的应用。

　　挑战：微电子技术驱动着我们生活的方方面面，包括人工智能。然而，美国在关键微电子应用领域正面临激烈的全球竞争，这些应用涵盖用于人工智能计算的超高效半导体、电力电子以及通信网络。

　　挑战：设计并研发下一代微电子器件与平台，突破微型化、处理速度、功耗、热管理及运行环境等各方面的极限。

　　人工智能解决方案：一个由人工智能驱动的全栈协同设计生态系统，将助力实现更快的创新周期，降低全新超高效制造工艺与组件设计的风险，并加速材料与制造领域的研发进程，从而实现对国外半导体技术的跨越式赶超。前沿人工智能结合通过联邦学习技术可获取的异构多尺度数据，将揭示材料、器件与工作流程之间至关重要的关系与权衡，进而推动微电子学研究的快速发展。

　　理由：数十年来，美国能源部始终处于微电子研究的最前沿，既是该领域的消费者，也是科学创新的推动者。其在先进材料、纳米制造以及低温等量子相关技术方面拥有深厚的专业知识，助力众多技术突破被业界广泛采用。

　　影响力：微电子技术依然是技术创新的核心，每一位美国人都将受益于将该行业的领导地位重新聚焦于美国。这一努力将确保美国在全球半导体领域持续保持领先地位，推动国内数据中心的迅猛发展，助力人工智能计算应用突破摩尔定律的限制，并巩固其他技术优势——例如在6G通信网络领域的全球领先地位，这对经济繁荣安全至关重要。

　　挑战：赢得人工智能竞赛，需要加快新型数据中心技术和能源管理策略的开发与部署进程，以提供支持人工智能发展的超强算力，同时确保为消费者提供安全、可靠且经济实惠的能源。

　　人工智能解决方案：通过利用人工智能/机器学习（ML）、数字孪生以及信息物理试验平台，我们能够快速降低先进数据中心技术及其电网集成的风险，加快部署速度，并更好地满足各利益相关方的需求，包括数据中心运营商、设备供应商、社区及公用事业公司。人工智能/机器学习可加速基于物理的模型，实现实时数字孪生，探索数百万种部署场景，并在独特的约束条件下进行优化。

　　理由：本项目充分利用了美国能源部召集数据中心与公用事业利益相关方的能力，以及实验室在负荷灵活性和计算领域的研究专长，还有其独特的信息物理测试平台设施。具体而言，美国能源部已支持劳伦斯伯克利国家实验室的数据中心能源专业中心，该中心可提供包括各类数据中心能耗数据集在内的资源，以助力此项工作。

　　影响力：通过确保强大的能力，以开发尖端的数据中心技术和负荷管理策略，我们将巩固美国在人工智能领域的知识与经济领导地位，推动繁荣与安全，同时为消费者提供安全、可靠且价格合理的能源。

　　挑战：核安全领域在发现、制造和认证关键核材料与非核材料方面面临重大障碍。本挑战将开发一种数字化、人工智能驱动的工作流程，以贯通关键材料的全生命周期，从最初配方设计到最终生产。这一方法将融入实时异常检测与过程中的即时纠正功能，从而大幅减少对大量认证测试的需求，提升这些关键材料的安全性和可靠性。此外，该方案还将加快新材料的研发进程，为满足不断变化的需求创造更多机遇。要求。

　　人工智能解决方案：开发一种由人工智能驱动的工作流程，将材料设计、自动化测试与资质认证无缝衔接为一个统一的、数据驱动的流程。该流程利用高性能计算机上的物理仿真技术，对材料候选进行筛选与优化；指导机器人实验室和在线传感器开展实验，实时反馈结果并不断改进虚拟性能模型；同时自动组装基于风险的资质认证方案，这些方案可跨站点共享，以实现快速、协调一致的审批。此外，该工作流程还包含自动化的AI智能体，用于发明并测试全新的钚纯化方法，并仅向科学家推送最优方案进行评审，从而将原本长达数月的研发周期大幅缩短至数天。

　　理由：美国核安全管理局（NNSA）独具优势，集超级计算能力、专业试验设施以及数十年的使命数据于一身。通过将这些资源整合到由人工智能管理的流程中，我们能够缩短从发现到认证的时间，提升制造可靠性，并打造更强大的国内关键材料供应——同时绝不牺牲安全性和监管力度。

　　影响力：加快材料开发与认证，将确保战略部件及时交付以实现威慑目标，减少对脆弱供应链的依赖，同时降低总体项目成本，并为能源、化工和航空航天等民用领域提供一种可扩展的模式，以实现更安全、更高效的制造。

　　挑战：科学发现的节奏受到传统人工驱动的实验流程以及非确定性人工智能驱动的控制工具可用性的制约。这些工具能够用于在组合规模庞大的设计参数空间中实施复杂的实验设计。上述瓶颈减缓了从假设、实验到发现的整个循环，导致关键资源利用效率低下，并延缓了科学突破的实现。至少对科学实验方案的部分环节进行自动化，一方面可增加数据产出量，从而提升人工智能模型的性能；另一方面也能提高实验的可重复性。

　　人工智能解决方案：人工智能将直接融入实验工作流程和数据分析中，融合机器人技术、边缘人工智能、实时分析与智能反馈、假设生成以及数据整理与共享。

　　理由：这些由人工智能驱动的实验室将使科学家以前所未有的速度和规模探索复杂现象，对于实现“创世任务”目标至关重要。美国能源部的用户设施和历史悠久的实验室具备相应的基础设施、能力和专业知识，可成为推动此类高通量发现创新的核心力量。

　　影响力：通过人工智能驱动的实验室加速科学发现，将直接推动美国在科学领域的领导地位和经济竞争力。这一能力将加快开发用于能源、下一代计算、安全和生物技术的新型材料与分子。与其他挑战一样，它还将巩固美国在人工智能与科技创新领域的领先地位，开创21世纪科研的新范式，并培养一支精通人工智能、数据科学与实验融合的未来人才队伍。

　　挑战：加速材料创新将推动先进能源与工业技术的快速部署，这些技术对于提升美国竞争力至关重要，涵盖从结构材料、储能材料到其他用于先进技术的功能性材料。然而，识别并实现具有变革性性能的新材料的商业化，却是一个耗时且耗费资源的过程，这是因为材料科学本身固有的复杂性，以及传统模拟、合成和表征技术的实际局限性——这些技术仍需大量试错才能取得突破。

　　人工智能解决方案：当前与新兴人工智能技术的融合，以及大规模、经过精心筛选的数据集日益普及，可能成为材料发现、设计与认证的转折点。通过开发兼具物理感知能力的人工智能框架，充分利用基础模型、深度学习、计算机视觉、生成式人工智能和代理型人工智能的互补优势，将催生材料设计领域全新的能力——这种能力能够迭代地整合预测、合成、表征与分析，从而构建可解释、可信，并能跨越时空大尺度的闭环学习系统。逆向设计（即针对给定性能指标进行材料设计）的最终目标，不仅需要先进的实验与模拟能力，还离不开人工智能的推理与可解释性。

　　理由：美国能源部拥有一系列全球领先且独一无二的材料研究实验与计算能力，包括X射线光源、中子散射设施（及其配套表征设备）、纳米尺度科学研究中心、材料数据库以及百亿亿次级超级计算机。这些资源共同构成了全球最全面、性能最强的材料研究体系。加之海量材料数据集的 readily 可用性，以及对开发基于人工智能、融合物理规律的模型所作的持续投入，使美国能源部具备了在实施“按设计开发材料”这一愿景中发挥领导作用的坚实基础。

　　影响力：人工智能深度融入材料从发现到产品化的全流程，可大幅缩短制造业的上市时间——从数年甚至数十年缩短至数月乃至数年。这一提速将显著缩短关键技术研发周期，包括电池、能源系统、结构与功能材料等，从而巩固美国的技术领先地位，并推动创新成果更快落地，创造就业机会，增强经济。

　　挑战：现代PG中国电子技术有限公司粒子加速器结构复杂，需要大量人工干预，这导致运营成本高昂、运行波动性大、实验优化效果欠佳，以及数据整合不足。此外，现有加速器技术的物理局限性制约了在空间、时间和能量分辨率方面突破极限的进程。要将基于加速器的设施转变为高效、自主且更具生产力的科研平台，亟需实现人工智能与设计及运行的紧密融合。

　　人工智能解决方案：预测混沌束流动力学——其中微小扰动会逐步演变成重大问题——有望推动人工智能在多尺度时间推理、受物理规律约束的学习以及稳健的不确定性量化等领域实现新突破。由人工智能驱动的数字孪生能够实时模拟完整的束流动力学，从而大幅缩短调谐时间。总体而言，基于设施的人工智能将具备自适应性和自我更新能力，显著提升性能、效率和科研产出。

　　理由：美国能源部管理着全球规模最大的一批基于加速器的实验设施之一，拥有丰富的运行数据以及一支规模庞大、技术精湛的专业团队。通过人工智能驱动的设计优化大型科学基础设施，并消除运行瓶颈与成本低效问题，将最大限度地提升当前及未来基础设施投资的回报率，借助人机协同模式开创全新的科学研究范式，加速科学发现进程。

　　影响力：基于加速器的设施一直是20世纪和21世纪许多最重要发现的核心。将人工智能融入加速器的设计与优化，将加快未来重大突破的步伐，助力我们更深入地认识宇宙，推动新能源与计算技术的发展，并催生诊断与治疗疾病的新方法。

　　挑战：宇宙仅遵循一套法则，而科学家针对这套法则的各个部分开展了数百项实验。这些实验在尺度跨度上跨越了31个数量级，在成本上从10万美元到数十亿美元不等，在持续时间上从几分之一秒到数十年不等，所需的人力投入也从寥寥数人到数千人不等。我们需要一种方法，将这些彼此迥异的实验结果与理论知识整合起来，以加速科学发现进程。

　　人工智能解决方案：高能物理与核物理为构建前所未有的大规模人工智能推理模型奠定了独特基础。开发一种能够同时从粒子碰撞、核衰变和宇宙学巡天中学习的人工智能，将需要突破多模态学习技术，并具备提炼洞见而非仅识别模式的能力。一种内化标准模型的人工智能，可将分析速度提升数个数量级，识别出指向新物理的异常现象，并提出与所有数据一致的理论扩展——这标志着从模式匹配迈向物理推理的重大飞跃。

　　理由：美国能源部独具优势，汇聚了世界一流科研人才，掌控着尖端科研设施，拥有无与伦比的实验数据获取渠道，并肩负着应对这一挑战的重大使命。这些设施以及涵盖广泛的研究项目，深入探索宇宙的基本组成要素与相互作用力、探究原子核的本质，充分彰显了能源部开展大规模、长期且具有重大影响力的科学研究的独特能力。

　　影响力：发现进程的加速，尤其是在涉及前沿实验中海量数据的领域，意味着我们有望比以往更快地取得突破性进展，从而以意想不到的方式影响我们的技术能力与生活质量。诸如“为何宇宙中物质多于反物质”、“暗物质的本质是什么”以及“质子如何产生质量和自旋”等问题，触及了现实的本质。通过先进的人工智能来解答这些问题，或将深刻改变我们对宇宙及其在其中所处位置的哲学与科学认知。

　　挑战：水资源的可获得性对于扩大能源生产和利用、保障国健康与安全至关重要。然而，我们在对陆地和大气系统的理解上仍存在一些根本性的科学空白，这限制了我们预测水资源的能力，尤其是在数周至数年的时间尺度上。

　　人工智能解决方案：具备多尺度时间推理能力的人工智能，能够应对三大相互关联的重大挑战：云物理过程、地表与地下水流，以及更广泛的水文循环。通过改进模式初始化技术，人工智能可提升、加速并实现百亿亿次级模拟系统的耦合；同时，人工智能还可基于美国能源部的大气与陆地观测数据及实验室数据，训练出替代模型，其计算成本仅为现有模型的极小一部分。此外，基于人工智能的模型诊断技术能够强化分析能力，从而优化模型与观测数据的融合，更好地满足决策需求。

　　理由：美国能源部是唯一一家具备人工智能专业技能、先进计算能力和综合建模能力（例如，美国能源部能源百亿亿次地球系统模型，即E3SM）的机构，同时拥有开展实地研究所需的基础设施，能够应对挑战，提供关于地表水和地下水可用性的准确信息，时间尺度涵盖数周至数年。

　　影响：解决这些长期存在的科学难题，将从根本上提升美国在应对不断变化的水资源供应、需求、能源技术以及能源扩张目标时，预测供水能力的能力。

　　挑战：电网面临可靠性挑战和基础设施限制，难以应对数据中心、制造业以及电气化带来的电力需求大幅增长，同时还要确保美国民众能够负担得起电价。

　　人工智能解决方案：通过在新整合的大数据源上运用深度学习和强化学习技术，人工智能将降低不确定性、提升洞察力，并加快电网规划、互联、运营与安全等各环节的流程效率。这一努力旨在实现决策速度提升20至100倍，并至少使电力成本和可靠性提高10%。

　　理由：公用事业部门掌握着关键的电网数据，但风险承受能力较低，新技术开发能力有限，且主要聚焦于区域市场。能源部可提供综合能源系统专业知识、计算设施以及试验平台基础设施，例如位于爱达荷国家实验室的“关键基础设施测试场综合体”（CITRC）和位于实验室的“综合能源系统先进研究”（ARIES）平台。能源部与电网运营商之间稳固的合作关系，能够将公用事业部门的数据与能源部的这些优势资源相结合，从而开发出经验证、可部署的人工智能解决方案。

　　影响：此次现代化改造将为美家庭和企业带来成本更低、更可靠的电力供应，同时通过更快部署电网能力并提升抵御威胁的韧性，进一步强化能源安全。

　　挑战：从地球地下获取具有成本效益的能源，需要利用以裂缝为主的非均质储层。能够预测储层行为以及复杂生物地球化学、力学和水文过程相互作用的工具，对于开发创新且经济高效的地下能源开采技术至关重要，这些能源包括非常规油气、地热能和煤层甲烷。

　　人工智能解决方案：开发能够在极端不确定性下进行推理的人工智能，整合异构数据类型（即地震、地球化学、生物、水文等），并构建无法直接观测的系统的预测模型，这一技术在任何需要基于间接证据进行推断的领域都具有广泛的应用前景。对于地下科学而言，能够将分子尺度机制与野外尺度资源储量相连接的人工智能，将推动该领域从描述性研究向预测性研究转变。美国能源部海量的生物、地球化学、地质力学和水文数据集，可与高性能建模能力、实验室分析技术以及一系列人工智能技术相结合，包括代理模型、物理驱动的机器学习和数字孪生，从而提升对地下环境在勘探、钻井、增产及生产过程中的工程评估与控制水平。

　　理由：美国能源部的实验室群集拥有种类繁多的数据、建模与分析能力（例如，“面向地下应用实时决策加速的科学驱动机器学习”（SMART）倡议工具套件及基于机器学习的替代模型；能源技术实验室的能源数据交换（EDX）Discover平台；劳伦斯伯克利实验室的非饱和地下水与热量输运（TOUGH）模拟套件；洛斯阿拉莫斯实验室（LLNL）的GeoDTi设计工具；LLNL的GEOS软件；以及PFLOTRAN和ATS模型），这些能力为地下环境的广泛研究与业务活动提供了有力支持。同时，这些实验室具备独特优势，可运用人工智能加速开发各类模型，以模拟从分子尺度到现场尺度的微生物、矿物与流体相互作用。相关工作将整合、训练并分析海量数据资源库、实验数据及运行传感器所获取的信息，从而构建地下输运模型与数字孪生，以提升油藏表征精度，实现油藏的实时模拟，并有效应对不确定性，进而提高碳氢化合物资源采收率，挖掘地热资源潜力。

　　影响：了解地下复杂地质结构和储藏的能源，是保障能源未来的关键所在，这将降低石油、天然气和地热的开采成本，降低美国消费者用电成本，推动制造业回流本土，并提升美国的国际竞争力。

　　挑战：针对核与放射事件的快速有效响应，需要对海量且类型多样的数据进行细致分析，这些数据涵盖从辐射探测器和环境传感器，到情报报告及模拟输出的方方面面。如今，我们的核应急支援小组（NEST）依赖人工审核和静态人工智能模型，而这些模型无法充分适应新数据流的涌入，从而导致检测、评估和响应出现延迟。这使得决策者在开展威胁评估和事件应对时，无法获得实时态势感知，也缺乏清晰的风险指标。

　　人工智能解决方案：部署一套持续学习的多模态人工智能融合系统，该系统集成辐射与环境传感器、模拟仿真及智能报告功能，以实时决策支持为核心，结合情景建模和不确定性感知的风险指标，为危机应对提供时间线上的精准分析与风险评估。为加速进展，我们必须制定跨分类的数据治理和可信部署模式（具备边缘计算能力、严格的红队测试以及可审计的人工审批流程），以便在不牺牲可靠性的前提下，使该系统能够投入实际运行。

　　理由：NNSA独特地集成了核科学专业知识、安全设施和高性能计算资源。此项工作将在关键任务环境中嵌入基于物理的模型，以实现透明且可审计的人工智能；用单一的可扩展解决方案取代脆弱且需人工调优的工作流程，从而缩短开发周期并降低开发成本；同时充分利用现有档案与平台，实现快速部署与规模扩展。

　　影响力：该系统将把从发现到响应的时间从数天缩短至数小时，从而提升公共安全水平。它将通过清晰、量化的风险评估，提高决策的可信度并减少误报；通过在关键决策流程中嵌入人工智能，强化威慑力，并促进跨部门协作；同时，它还将提供成本效益高的能力，可供民用应急响应人员及国际伙伴灵活应用。

　　挑战：美国拥有规模庞大且无与伦比的机密科学实验与核武器试验档案，以及跨越八十余年的非机密核科学历史资料。然而，这些至关重要的信息大多仅以书面笔记、印刷材料或照片的形式存在，尚未实现数字化处理和充分标注，从而阻碍了其在后续研究、设计与生产中的可访问性和可用性。这一挑战意义重大，因为它直面了对历史信息进行现代化改造的迫切需求，旨在将这些信息转化为可供人工智能工具使用的数据，以提升安全水平并推动科研进展。此外，这一挑战也呼应了总统行政命令中提出的号召——将联邦政府拥有的数据集打造成为“创世使命”的关键组成部分。

　　人工智能解决方案：构建一套人工智能数字化与重建流程（包括光学字符识别+视觉+信息提取+三维/几何推理），将模拟报告、影像和图纸转化为可搜索、可直接用于仿真的数据集，同时实现自动网格划分，并与历史测试结果进行交叉引用。为加速进展，我们必须建立一个安全的集中式档案库，采用持久可靠的元数据/本体论标准；制定优先处理高价值记录的分类工作流；并实施端到端的访问控制与质量保证流程，确保其在不同分类层级间无缝运行。

　　理由：该项目对于保存珍贵的历史记录和提升数据管理能力至关重要。它将保护八十年来面临退化或丢失风险的实体档案，充分利用美国核安全局的安全计算、分类专业技能及专业档案资源，并将人工编目工作量降低一个数量级，同时确保数据质量的一致性。最后，该项目还将建立一套符合规范且可扩展的系统，用于持续的数据采集与治理。

　　影响力：这项倡议的成果将显著提升科研能力，为核管理领域的明智决策提供有力支持。通过挖掘历史试验数据的宝贵洞见，这项倡议将加速科研与决策进程，维护机构记忆，为未来的政策制定、安全监管及条约核查提供依据，并增强核管理工作的透明度与问责制。该项目还为遗留数据在更广泛的科学与安全领域的应用奠定了基础。

　　挑战：美国核安全管理局正面临日益增长的优化实验需求，而这些实验却要在容量有限的设施中开展。目前用于设计、记录和分析实验的流程往往缓慢且低效，导致实验项目积压，并降低了设施的使用效率。

　　人工智能解决方案：推出一款人工智能“设施操作系统”，采用智能工作流来规划/安排实验，实时引导执行，并将实时诊断与多精度仿真深度融合，从而以最短的周期获取每项拍摄/测试的最大信息量。为加快进展，我们必须构建可互操作的设施数字孪生以及流式数据/溯源标准，并建立透明的审批流程、审计日志和具备不确定性感知能力的分析工具，以使运营人员在高风险环境中能够信赖这些工具。

　　理由：美国核安全管理局整合先进技术和资源的独特优势，使其能够有效应对核安全领域的重要挑战。NNSA在安全框架下，将容量有限但后果严重的实验设施和试验场与超级计算、先进仿真以及自动化实验室相结合，通过整合多种物理模型、不确定性量化及机器人执行能力，实现实时推理。由此构建了一种可扩展、可复用的架构（包括设施模型、数据标准和保障方法），以满足严格的安全、安保和质量控制要求。

　　影响力：这项举措的成果不仅惠及美国核安全管理局，更通过提升实验效率、减少所需昂贵的物理测试次数，为全国带来更广泛的益处。这有助于加快对时间敏感的库存管理与威慑决策进程，以更高置信度的成果作出决策，并为航空航天、能源、微电子、制药及其他战略行业打造一个可推广的、由人工智能驱动的研发与自动化运营模式。

　　挑战：遏制美国对手使用战略武器的紧迫性和复杂性从未如此之高。应对这一威胁，亟需提升核武器生产能力的灵活性与创新水平。目前，设计机构（DAs）与生产机构（PAs）之间武器系统的交接流程缓慢且低效，严重制约了我们的威慑使命。本倡议将打造一个基于模型、由人工智能加速的系统工程平台，实现设计与生产流程的全面贯通与深度融合。通过利用多尺度物理建模、数字孪生及人工智能技术，美国核安全管理局将强化决策能力，减少返工，提高生产效率，从而以远低于传统时间和成本的方式，为作战人员提供新型武器系统。

　　人工智能解决方案：打造一款由人工智能驱动的“核安全企业孪生体”，该孪生体融合了受物理约束的替代模型、生产数字孪生以及智能工作流，以实现闭环协同优化设计与制造——大幅缩短研发与生产迭代时间，同时确保可追溯性和决策质量。 为加速进展，我们必须构建安全的跨站点数据互操作性（模式、来源和治理）、经验证且具备不确定性意识的模型，以及人机协同编排机制，并辅以可审计的控制措施，以确保其在所需各类分类环境中均能有效运行。

　　理由：这一举措特别适合美国核安全管理局，因为它充分利用了对海量历史设计与生产数据的安全访问、用于开发和验证先进模型的高性能计算能力，以及可在各种网络分类中稳定运行的可靠人工智能系统。 其结果将带来武器设计与生产领域的一场革命。通过打造一个集成人工智能的认证环境，美国核安全管理局能够从传统的基于文件的流程转向敏捷、以模型为导向的决策模式。这一转型将精简运营流程，减少返工，并确保在需求不断变化的情况下，设计意图与生产实际保持一致。

　　影响力：本倡议旨在通过革新DA与PA之间的协作方式，提升安全水平，确保现代化项目按时且经济高效地实施。它通过按时、按预算加快推进现代化进程，大幅提高成果的可靠性，从而强化安全；提供可扩展的能力与技术，这些能力与技术可广泛应用于美国各大产业，包括汽车制造商、造船企业、航空航天及微电子行业；同时，它还能最大限度地减少宝贵资源的浪费，增强国内制造业实力，并缩短制造启动周期。

　　挑战：防止核材料和核相关信息落入不法且危险行为者手中（防扩散）是安全的核心要务。在全球民用核电需求激增的背景下，监测并落实防扩散承诺的挑战正迅速加剧。为有效调查和起诉潜在威胁，我们利用人工智能整合来自不同来源的海量复杂数据。本挑战将开发并部署先进的人工智能技术，以实时分析这些日益增长的数据流，识别出可能暗示扩散活动的异常迹象。这不仅将提升并加快我们打击扩散活动的力度，还将进一步强化美国的威慑能力，阻止不法行为者试图绕过或破坏国际核材料与核信息管控体系。

　　人工智能解决方案：开发多模态基础模型和分析智能体，融合卫星影像、传感数据、开源数据及政府数据，以近乎实时的方式检测与扩散活动相关的细微异常，并生成具备置信度评分的、可供分析师直接使用的证据包。为加速进展，我们必须构建安全的多网络数据共享与治理机制、燃料循环领域的本体论与知识图谱、持续性测试与红队演练，以及可在涉密与非涉密环境中扩展的人工智能与人类协作界面。

　　理由：该项目充分利用了美国核安全管理局的独特能力，以应对核不扩散工作中现代数据分析所面临的挑战。NNSA是唯一一家具备核燃料循环领域专业知识、能够整合全球与核不扩散相关数据源的机构。人工分析难以跟上当前海量且多样化的数据流；而自动化、可信的AI技术则可缩短检测周期，提高检测工作的有效性，并更好地发挥技术专家的作用。此项工作将充分利用NNSA现有及规划中的各类平台与合作伙伴关系，实现快速部署。

　　影响：这项倡议的成果将通过加快威胁探测与决策周期、强化美国的威慑态势，显著提升美国和全球防扩散努力。它将为政策制定者提供及时、可信的情报，以指导外交与执法行动；通过共享标准化、可审计的洞察信息，促进全球防扩散合作；提升国际社会对与美国在民用核能领域开展合作的感知价值与实际价值；并为其他关键安全领域的人工智能驱动监测树立典范。

　　挑战：并非所有对我们核威慑的挑战都来自外部；有些挑战就直接潜伏在我们自身内部。目前，高危设施的监管流程缓慢且分散，导致效率低下，可能危及安全与运行效能。这些政策大多出于善意，但已无法适应美国核安全管理局现代化与生产任务的紧迫性。这一挑战意义重大，因为它直接影响着我们应对核威胁的能力，以及高效维持安全标准的水平。借助人工智能驱动的设施与流程模型，我们能够利用实时数据优化运营，从而简化时间安排、合理配置资源并消除瓶颈问题。

　　人工智能解决方案：部署可审计、基于策略的人工智能（大型语言模型+智能体），能够消化安全基础需求，自动化安全分析与文档编制，并持续生成具备风险意识的工作计划，同时自主配置并运行大规模仿真活动。 为安全地加快速度，我们必须建立一个具备溯源性的可信数字监管体系，开发用于验证和测试人工智能输出的工具，并将这些工具集成到设施/运营数据系统中，同时实施严格访问控制和端到端审计日志。

　　理由：该项目旨在通过提供透明且可审计的人工智能解决方案，增强安全性和效率，支持专家对关键操作的监督。它将合规性转化为战略优势：通过现场数字化并赋能人工智能处理监管文件，我们能够建立一份可验证、完全可审计的记录，涵盖每一次搜索、分析和决策过程，从而将安全基础导航从瓶颈转变为一种透明且可信赖的能力。这一努力确保了数据驱动的高效运作，整合工程、安全与运营数据，使规划与文档编制时间缩短超过50%。最后，该项目充分利用现有优势，依托安全的数据网络和内部专业知识，快速部署并验证先进的人工智能工具。

　　影响：该倡议的成果将通过提升运营效率、降低成本，为更广泛的美国工业带来显著益处。它将加快规划与安全审查流程，同时保持严格的安全标准，从而实现制造零部件的更快交付，这不仅对美国核安全管理局（NNSA）至关重要，也惠及更广泛的美国工业界。此外，该倡议还将通过减少返工次数和降低文件管理负担，有效节约成本、减少浪费，从而节省纳税人资金并保护关键材料。最后，该倡议将以可推广的方法为行业树立标杆，助力民用核能、化工生产和航空航天领域提高效率与安全性。

　　挑战：每种核材料都具有独特的“指纹”。通过放射性分析与材料特性分析相结合，我们能够准确确定散落或已投入使用核材料（例如用于大规模杀伤性武器或脏弹的核材料）的来源。只有当美国具备切实可行的报复威胁，能够迫使对手为其行为承担责任时，威慑才真正有效。因此，在受控环境之外对核材料进行溯源鉴定这一挑战，至关重要。这项工作将通过消除核材料被滥用时的不确定性或匿名性，大幅提高核 forensic 分析的速度与准确性，从而强化针对潜在核威胁的威慑力。该倡议旨在利用人工智能技术，显著加快在非常规、不受控制以及全新环境中的核 forensic 检测速度。

　　人工智能解决方案：现场多模态法医人工智能（视觉+光谱+形态+反演建模），可快速表征样品和残留物，推断可能的工艺历史/来源，并支持设备与材料的重建，同时提供便携式、现场分类筛查工具。 为加速进展，我们必须构建经过精选且可共享的特征库，并附带真实标注链接；建立标准化的实验室到现场工作流程，实现校准与不确定性量化；以及经验证的部署流程，确保全程可追溯、可审计，并接受专家监督。

　　理由：该项目充分利用了美国核安全管理局的独特资源与专业 expertise，以提升核威胁溯源的速度与准确性。它依托于NNSA独有的核试验档案、专业实验室及资深专家团队，消除了当前样品处理与报告中耗时数天的瓶颈问题，从而更高效地利用现有资源；同时，通过实现快速、可信的溯源能力，直接支持对核威胁的威慑；此外，该项目还充分利用了已有的基础设施投资，确保快速实施且不降低质量水平。

　　影响：这项举措的成果将通过加快威胁评估流程，显著提升安全与公共安全水平。它将缩短从收集相关材料到确定责任归属的时间周期，从而加速政策制定与应对决策；通过向对手表明，滥用核材料将被迅速追踪并招致美国果断反击，进一步强化威慑力；借助更快速、更可靠的威胁评估与灾害响应，提升公共安全水平；同时，还将开发基于人工智能的取证方法，这些方法可灵活应用于其他关键安全与工业领域。