Google-KI erweitert mathematische Lösungen für die Kernfusion

Eine Forschungsgruppe hat die künstliche Intelligenz von Google genutzt, um eine Reihe mathematischer Lösungen zu den Magnetfeldern experimenteller Fusionsreaktoren zu erweitern. Das Resultat betrifft die Berechnungen, mit denen modelliert wird, wie Magnetfelder den auf extreme Temperaturen erhitzten Brennstoff einschliessen – nicht eine Entdeckung, die Strom erzeugt oder die Fusion kommerziell nutzbar macht.

Bei Fusionsreaktoren mit magnetischem Einschluss halten sehr starke Magnetfelder ein elektrisch geladenes, extrem heisses Gas zusammen und verhindern, dass es entweicht, bevor die Atomkerne verschmelzen und Energie freisetzen können. Um Konfigurationen zu entwerfen, die diesen Einschluss aufrechterhalten, benötigen Physiker genaue mathematische Modelle der Magnetfelder, die in Computersimulationen zum Verständnis des Plasmaverhaltens einfliessen.

1967 stellte der Physiker Harold Grad eine Vermutung über die mathematischen Bedingungen für das Gleichgewicht dreidimensionaler Magnetfelder auf, die jahrzehntelang die Forschung zu Plasmakonfigurationen beeinflusste. Im September 2026 veröffentlichte der Forscher Matt Landreman von der University of Maryland exakte Lösungen, die dieser Vermutung widersprechen – mit Unterstützung des Modells GPT-6 Astra Pro von OpenAI. Diese Lösungen waren bedeutsam, weil sie konkrete mathematische Beispiele lieferten, mit denen Forschende die Software zur Modellierung des magnetischen Einschlusses testen konnten, anstatt sich ausschliesslich auf Näherungen zu verlassen. Allerdings teilten alle diese Lösungen eine bestimmte geometrische Symmetrie, sodass gleichwertige exakte Beispiele für Konfigurationen ohne diese Eigenschaft fehlten.

KI-Agenten in der Umgebung Antigravity

Eine neue Studie von Opal Issan, Jonathan Citrin, Matt Landreman und Brendan Tracey erweiterte die bestehenden Lösungen, indem sie einen Parameter einführte, der diese Symmetrie aufbricht. Die neuen mathematischen Konfigurationen bieten Forschenden zusätzliche Referenzfälle, um Programme zu überprüfen, die das magnetische Gleichgewicht in komplexen dreidimensionalen Anordnungen berechnen.

Um zu diesem Resultat zu kommen, nutzte das Team das Modell Gemini 4 Argon von Google über die Umgebung Antigravity, in der mehrere KI-Agenten die früheren Ergebnisse von Landreman untersuchten und nach Wegen suchten, sie zu erweitern. Die Agenten fanden Wege, die Symmetrie-Einschränkung aus Landremans Lösungen zu entfernen, und erzeugten neue Konfigurationen, die die Forschenden anschliessend überprüften. Laut dem Team entstanden vielversprechende mathematische Kandidaten innerhalb weniger Stunden – ein Hinweis darauf, dass KI Untersuchungen beschleunigen kann, die umfangreiche Berechnungen und miteinander verknüpfte mathematische Bedingungen erfordern.

Die anfängliche Entdeckung war nur ein Teil der Arbeit: Die Forschenden mussten die Herleitungen trotzdem überprüfen und feststellen, ob die vorgeschlagenen Lösungen mathematisch konsistent waren. Die Gruppe setzte auch bei der Erstellung von Teilen des Manuskripts computergestützte Überprüfungen und KI-Unterstützung ein, behielt dabei aber die Verantwortung für die veröffentlichte Arbeit. Das unmittelbare Resultat ist eine umfangreichere Sammlung exakter mathematischer Lösungen für die Erforschung des magnetischen Einschlusses – kein Beleg dafür, dass künstliche Intelligenz die Kernfusion gelöst oder ihre technischen Hürden beseitigt hat.