美国劳伦斯利弗莫尔国家实验室（LLNL）、伦敦帝国理工学院及其合作者近日制造并测试了一种经AI优化的靶材，能够抑制Richtmyer-Meshkov不稳定性（RMI）——一种在惯性约束聚变（ICF）实验中会降低性能的冲击波驱动现象。该研究成果发表于《物理评论快报》（Physical Review Letters），标志着首批由机器学习设计算法生成的结构能够被实际制造并通过实验验证的案例之一。

RMI发生在冲击波穿过不同密度材料之间的界面时，会产生不稳定的射流，从而破坏内爆聚变胶囊的对称性并降低能量产额。研究团队的方法是利用机器学习优化算法，搜索候选的空腔几何形状（即靶材内部的特定形状空腔），这些空腔能够在冲击波到达不稳定界面之前重新分布冲击波。

论文第一作者、现就职于欧洲XFEL的Jergus Strucka解释说：“我们的靶材在冲击波穿过材料时，在空间和时间上对其进行了重塑。我们不是让单一的冲击波击中表面，而是引入空腔将其分解成一系列稍有时间差的较小压力脉冲。”

为了制造靶材，团队使用聚合物3D打印机生产出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，从而得到一侧具有波浪形表面、另一侧具有优化空腔几何形状的样品。随后，将明胶靶材放置在一根薄铜带上，通过一个相当于多次雷击的大电脉冲进行放电。铜带加热、爆炸，并向明胶发射冲击波。冲击波首先遇到空腔，空腔在波到达原本会产生RMI的波浪形界面之前对其进行重塑和重新分布。

LLNL科学家、研究合著者Dane Sterbentz表示：“在某种程度上，我们利用设计的空腔创造了另一种不稳定性，这种不稳定性可以对抗RMI并减少射流。当原始压力脉冲穿过这些空腔时，我们也在改变它，从而产生一种能够对抗不稳定射流的次级压力波。”

Strucka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实验测试。我们的工作是首批证明这种AI优化结构可以被实际建造并在真实实验中研究的案例之一。”

研究人员指出，由于空腔物理原理在球形几何中同样适用，该结果可为ICF胶囊中的填充管和材料界面设计提供参考，以帮助隔离单个效应，而非复制完整的ICF条件。Sterbentz表示：“对于国家点火设施（NIF）上的ICF实验，探测像RMI这样的孤立效应既困难又昂贵。这正是我们实验装置的用武之地——它使我们能够在一个更简单的系统中探测这种不稳定性。不过，与ICF更直接相关的实验将需要在欧米茄激光设施或NIF等装置上进一步开展。”