3月17日，美国能源部（DOE）宣布投入约2.93亿美元资金，汇集国家实验室、工业界和学术界的跨学科团队，利用新型人工智能（AI）模型和框架，在先进制造、生物技术、关键材料、核能以及量子信息科学等领域开展深度研究^[1]，旨在实现两大目标：一是实现“AI优势”以解决国家级挑战，通过AI加速科学发现和研发工作流，解决能源、环境和核能领域的重大挑战，保障美国国家安全与经济繁荣；二是构建下一代国家级AI基础设施，支持“美国科学云”（AmSC）和“变革性AI模型联盟”（ModCon）建设，开发可自我改进的科学基础AI模型，并将所开发的数据、模型和工作流集成到“创世纪计划”的统一平台中。

本次资助围绕DOE近期提出的“创世纪计划”26项国家级科技挑战中的21项，明确了2026年的重点资助领域。资助采取阶段性“团队科学”模式，分为两个阶段：第一阶段为概念验证与工作流演示，面向小型团队提供50万~75万美元的资金，周期为9个月，要求设计并展示整合AI的具体研究工作流以证明AI技术优势；第二阶段为深度扩展与规模化阶段，面向大型团队提供600万~1500万美元资金，周期为3年，深入推进在第一阶段确定的有潜力的研究方向。具体资助领域包括：

1、重塑先进制造与工业生产力。资助主题包括：AI智能体驱动的化学制造，开发具备推理能力的智能体，并与数字孪生及自动实验室整合，用于预测、发现和部署新的化学工艺和催化剂；AI驱动的材料加工，开发AI模型以整合多模态合成、表征数据和高通量模拟，加速新材料从发现到规模化应用的过程；面向极端能源系统的AI制造，为聚变能等前沿能源系统开发AI驱动的数字孪生模型，整合物理、材料行为和制造工艺以优化组件设计；工业流程数字化，扩大PIAI（物理信息人工智能，一种融合物理原理与人工智能技术的新型建模范式）和数字孪生在化工、钢铁、水泥等能源密集型行业的应用，优化现有流程并实现实时过程控制；AI使能的智能制造，开发用于优化制造系统的智能体，模拟并训练数字孪生模型，构建包含设备状态、机器人和虚拟工人的超现实智能工厂；能源材料先进制造，利用AI赋能的数字孪生，优化能源材料和电化学设备的先进合成以及卷对卷制造工艺，以实现闭环控制和降低成本。

2、深化生物技术革命。资助主题包括：生物分子科学，运用先进AI模型整合多组学和结构数据，探索生物分子结构与功能关联关系的基本原理，以推动酶的改进和生物系统设计；基因型到表型的预测，开发先进AI模型，关联基因组、代谢和环境因素，预测微生物和植物的表型结果，以增强可持续燃料和化学品生产；微生物群落的预测性工程设计，利用AI解析动态环境和基因变异如何决定微生物群落行为和相互作用，以预测未知代谢途径和群落功能；生物设计，应用AI生成或分析高通量多组学数据，推动从“设计-构建-测试-学习”循环向“设计与构建”范式转变，加速生物工程成果的准确预测；AI赋能的生物反应工程、反应器设计及工艺放大，开发AI和数字孪生模型以简化生物系统研发，优化反应器性能，并解决生物燃料和生物材料规模化生产中的成本与可靠性挑战。

3、保障美国关键矿产供应。资助主题包括：资源勘探与开发，结合地球物理知识、化学数据与AI驱动的工艺预测，加速探测矿产资源分布并降低开采项目风险；AI加速的材料发现与工程，部署自动化发现平台，通过整合假设、实验和制造的闭环AI系统，加速替代材料开发；经济建模与市场分析，利用AI分析政策变化和地缘政治动荡对关键矿产市场和供应链的影响；提取与加工技术，开发AI增强的关键矿产提取、加工、精炼和回收技术，建立完整的国内供应链；地质发现与保持，开发整合地球物理与地下系统知识的AI模型，从传统与非传统来源（如尾矿、地下水）中预测和提取关键矿产；分离技术，利用AI模型识别能显著改善从复杂混合物中分离关键矿产的化学驱动因素；生物法提取关键矿产，运用AI引导发现能与矿物相互作用的微生物和蛋白质，通过生物或生物混合途径显著提高关键矿物的回收率与选择性。

4、提供更快、安全、廉价的核能。资助主题包括：加速核电站设计与许可，开发AI工具以自动生成和审查核能安全合规文件，结合多学科工程工作流以缩短反应堆设计和许可周期；核电站自主运营，开发能实时查错、预警并建议操作的AI数字孪生系统，重点关注小型模块化反应堆（SMR）；AI辅助核组件制造与建设，利用AI和预测分析核组件自动化生产、工厂模块化制造及供应链可靠性，加速SMR技术的部署；核材料自主研发，利用AI驱动的建模和评估工作流，结合历史辐照数据，缩短核材料的发现与资质认证周期；加速燃料循环设施设计与许可，利用AI简化燃料循环设施的部署和许可，优化高丰度低浓铀（HALEU）开采、浓缩生产物流，并加速铀提取数据的分析；AI辅助的核废料选址特征分析，汇总多源数据并利用AI创建3D模型，对核废料处置候选场地的可行性进行关键地质缺陷分析；AI辅助乏燃料最终地质处置方案设计，使用AI为乏燃料和后处理废物设计可被许可的矿山地质处置库，涵盖页岩、盐岩和花岗岩等介质；核工业历史遗留文档的AI审查与解密，开发AI工具，大幅减少审查、分类及标记旧文档所需的时间和成本，以便技术的再利用。

5、加速聚变能交付。资助主题包括：结构材料设计与验证，集中材料数据并训练AI模型，支持在极高热负荷和中子通量环境下聚变反应堆结构材料的设计、制造与认证；面向等离子体的材料开发，部署极端环境设施的数字孪生模型，预测和优化直接与等离子体接触的边缘材料、偏滤器设计和热负荷缓解；推进等离子体约束方法，在实时等离子体控制系统和实验脉冲间应用AI，以预测湍流、优化聚变增益并设计维持聚变等离子体状态的操作；燃料循环与氚处理，开发AI模型跟踪和优化氚分离、存储及核效应分析，以实现燃料自给自足并改进氚处理组件；氚增殖包层，构建标准化属性数据库并利用多物理AI模型，预测等离子体与包层的相互作用，以最大化聚变试验电站的氚增殖效率；聚变电站工程与系统集成，启动实验数据存储库，通过AI及数字孪生技术优化设备设施规划、远程控制维护和自动化机器人作业；等离子体科学与技术，将AI应用于三维磁重联事件实时检测、复杂工业等离子体合成过程自主优化，以及高能密度物理的激光控制。

6、核修复与再部署转型。资助主题包括：实施环境管理AI研发路线图，清理并标准化多模态历史环境数据，用于跨网络操作分析，并开发知识管理系统以培训下一代员工；跨尺度AI基础模型，利用超过30年的环境管理运营数据和超级计算资源，开发涵盖实验室到全尺寸系统跨尺度行为预测的多模态AI平台；核废料处理流程优化，应用AI驱动的替代模型、强化学习和数字孪生，优化储罐废物处理、放射性物质分离及地下水修复系统动态过程控制。

7、利用AI发现量子算法。资助主题包括：面向特定应用的量子纠错，针对特定科学应用寻找高效的纠错方法，协同设计算法和硬件以纠正对科学结果影响重大的错误；容错量子计算的计算工具，利用AI和形式化验证方法，开发新型低复杂度量子算法和编译工具；混合量子-经典优化算法，利用智能体工作流跨平台优化参数空间搜索，并使用AI替代模型加速量子时间演化和多体模拟；非线性等离子体物理量子算法，开发适用于非线性等离子体物理的量子算法，以辅助聚变装置的配置优化；核与强子系统中的量子计算优势，利用AI解决手征对称性破缺、相对论运动学等问题，确定量子计算在核物理和晶格量子色动力学中的优势。

8、实现用于科学发现的量子系统。资助主题包括：用于量子系统设计的AI，应用AI框架揭示影响量子系统性能的因果关系，从而改进量子设备的合成、制造及架构设计；用于量子系统控制的AI，在控制系统中运用AI方法，实现自动化校准、噪声抑制、纠错和读出，显著提高实际量子系统的实时控制能力；用于量子成像和传感的AI，将AI集成到多量子比特传感网络中，优化基于超导体或半导体的传感器在实验室和极端现场环境中的设计与高灵敏度操作；用于量子计算和网络的AI，运用AI减轻量子比特退相干、实施纠错代码、控制处理单元，并确保量子处理器及网络系统的可扩展性。

9、重塑美国在微电子领域的主导地位。资助主题包括：埃米级微电子制造，通过AI辅助纳米制造，探索超越极紫外光刻机极限的下一代芯片制造工艺；突破冯•诺依曼架构的新型计算材料，利用AI加速有机/无机新兴材料（如2D和量子材料）研究，克服能效瓶颈以推进新型计算范式；AI驱动的下一代计算架构设计，利用AI方法进行硬件原型设计和软件协同开发，优化多尺度系统建模，开发高效专用的下一代计算架构；3D非易失性存算一体技术，采用AI驱动的协同设计加速新兴技术研发，实现用于光电计算的3D非易失性存储器的后端集成；基于物理特性的电路设计、仿真与模拟，利用AI关联材料与器件性能，加速电子设计自动化过程，提供更高的设计灵活性；用于恶劣环境的微电子技术，在高辐射等恶劣且无法维修的环境中，将AI整合入可靠微电子器件的设计和验证；微电子制造中的等离子体工艺优化，借助AI控制和优化用于先进微电子制造的等离子体工艺，加速最优合成条件的发现；电力电子与通信网络；为宽禁带电力电子技术和6G先进无线通信网络技术部署AI驱动的设计和制造方案；用于传感器和计算的低温电子学，解决超导逻辑与极低温互补金属氧化物半导体（CMOS）在边缘计算、传感器阵列以及量子计算机控制中的设计、扩展和集成瓶颈；神经形态（类脑）计算芯片的大规模互联，利用神经科学数据和AI优化神经形态电路的高带宽、大规模并行连接和系统硬件集成。

10、确保美国在数据中心领域的领导地位。资助主题包括：数据中心负载灵活性，开发能分析和协调工作负荷、冷却调节及现场发电资源的AI模型，降低数据中心峰值需求并实时响应电网；数据中心热管理，运用AI工具提升数据中心芯片级、机架级和设施级的冷却效率，降低高性能AI算力设备的能耗和水耗。

11、实现AI驱动的自主实验室。资助主题包括：适用于动态实验室环境的高级机器人技术，构建具身AI系统算法，使其能在非结构化环境中规划路径，与科学仪器交互，接管繁复的高风险或重复性实验操作；智能IT运营，应用AI维护自动化实验室的可靠网络运行，通过智能监控、工作流需求预测及异常行为根源分析来支持多设施分布式科学运算；AI加速科学发现，利用AI从高通量实验数据中识别与现有理论不符的现象，自主生成可检验的科学假设并建立闭环发现过程；AI诊断与机器人远程操作，结合边缘AI，实现核聚变等极端环境设施的稳定控制、快速数据处理及辐照组件的远程维护机器人操作；神经形态计算电路底层设计，探究生物计算原理并将其转译为高效的神经形态电路，赋能自主适应并执行复杂任务的机器人具身AI硬件。

12、设计具有可预测功能的新材料。资助主题包括：功能材料与量子材料，开发物理感知AI框架关联原子结构与涌现属性，定向预测与开发面向节能计算、无损电力传输及量子设备的新材料；结构材料，开发可解释AI和实验智能体工作流以理解和控制材料在极端应力或环境下的复杂相互作用及其力学行为；生物分子材料，建立跨尺度原子与分子建模AI框架，融合生物与化学数据，针对极端环境开发“按需设计”的新型生物分子及层次结构；面向等离子体的材料，部署AI使能的测试设施数字孪生模型，支持在聚变反应最极端高温与中子辐照条件下材料的物理表征与认证；目标设计，建立AI驱动体系，在同位素生产、浓缩及化学分离等技术环节实现突破，确保美国关键医用与能源同位素的供应链；AI赋能的材料发现、开发与资格认证，部署自动化平台，整合假设生成、验证及制造，大幅缩短新型高密度储能、高温或半导体能源材料的认证测试周期；电化学能量转换催化剂发现与规模化制备，运用AI加速开发无铂族金属的高性能氧还原催化剂，改善复杂成型路线的可重复性并指导新材料的高效合成。

13、增强用于科学发现的粒子加速器性能。资助主题包括：AI驱动的加速器设施，开发AI系统和高保真度数字孪生模型，为大型或中小型加速器提供实时运行建议、自动控制、故障检测及光束调优，以降低建设和运行风险；聚变能系统与执行器的数字孪生集成，建立核聚变系统的实时控制能力，通过并发实验数据的AI分析，为托卡马克或仿星器等关键技术提供稳定性反馈。

14、融合微观粒子与宏观宇宙的物理学。资助主题包括：粒子相互作用与宇宙物理学的基础模型，整合宇宙观测、地下实验和加速器碰撞（如电子离子对撞机）的多模态庞大数据，训练涵盖理论分析和异常检测的基础模型；AI加速的深地中微子实验（DUNE）科学，开发AI算法大幅提速DUNE科学项目，提升发现超新星中微子的灵敏度并实现新的旗舰级中微子振荡测量方法；从高复杂性和拍字节（PB，约等于10¹⁵字节）级数据集中加速发现，通过数据科学揭示海量高维数据集背后的物理机制，克服晶格量子色动力学的计算瓶颈，从而改进理论参数并极大降低粒子物理实验的项目成本。

15、预测美国能源用水状况。资助主题包括：云微物理与大气湍流，应用AI模型结合现场和实验室数据，解析影响降水形成及强度的复杂非线性微物理过程及大气动力学；水与能源，利用多源数据开发地表与地下水耦合AI模型，改善水文过程理解，提升区域能源规划的可用水预测及防洪韧性；数周至数年的预测，利用生成式和可解释AI加速和分析DOE地球系统模型，提供针对降水长期自然演变及极端天气的高精度本地化水文预测。

16、扩展电网以助力美国经济。资助主题包括：电网建模与分析，构建包含拓扑结构、市场和历史事件的多模态电网基础大模型及代理助手工具，以支撑基础设施升级的长效评估及快速场景规划；电网运营优化，应用AI处理实时传感器及运营网络数据，侦测异常并提供电网调度和风险缓解控制的透明、实时优化建议；量化不确定性，探究复杂跨部门电网规划及运行模型（包括外部强迫和反馈循环机制）中的不确定性来源，并评估AI（如联邦学习隐私保护）对降低误差的有效性。

17、深地战略能源高效开发。资助主题包括：地下反应与运移机制，采用AI整合跨尺度耦合分子级机理与宏观储层特征，构建涵盖微生物、矿物与流体耦合作用的反应传输模型，提升地下资源评估精度；地壳浅层裂缝演化，运用AI强化地热及油气开采中复杂断裂与裂缝网络演化的地球物理理解；地下裂缝控制，使用多元多尺度数据及AI算法，评估增产前后天然及人造裂缝的交互机制，通过实时决策提升页岩气等非常规资源和地热资源的采收率及经济性。

18、加速科学发现的高性能计算（HPC）代码管控、改造与研发。资助主题包括：AI驱动的代码移植与优化，研发解析现有旗舰级应用代码的AI系统，精准定位性能瓶颈，并自动生成面向异构架构与GPU优化的超算代码；从科学问题到代码的自动化生成，融合AI能力，将高阶科学问题描述直接推演为控制方程，智能匹配数值算法，并生成符合规范的高性能代码及配套文档；用于代码开发的神经符号智能体，结合神经网络的数据感知与符号逻辑的推理能力，提升科学与工程计算代码自动生成及算法选型的准确性与可靠性；性能预测与闭环反馈，构建基于图模型与代理模型的映射关系，关联代码特征与硬件拓扑，实现计算瓶颈的智能诊断及基于性能反馈的持续迭代学习；面向科学软件的可信AI，构建AI开发工具的信任机制，确保其具备数值正确性验证、代码全链路溯源、可解释的性能分析，以及支撑风险决策的不确定性量化能力；面向代码智能的多模态数据融合，整合开源代码库、历史编译记录、运行性能日志及求解器底层状态数据，训练用于代码智能生成的全栈基础大模型；HPC与AI协同创新生态，推动产学研及国家实验室深度合作，在材料与制造模拟等典型场景中，打通高保真数字孪生与遗留代码现代化的端到端全自动编程链路。

19、用于科学推理的AI。资助主题包括：可信数学与符号推理，研发具备复杂数学推演与符号逻辑运算能力的底层大模型，为科学理论的严密推导与形式化验证奠定可信基座；多模态数据驱动的假设生成，构建深度融合科学文献、仿真数据、实验图谱等多源异构信息的AI系统，精准识别现有知识边界，自主生成具有可验证性的原创科学假设；可组合的模块化基础模型，研制内嵌强逻辑推理基底的基础大模型，建立标准化的接口范式，实现与材料、基因、电力等特定领域专家模型及专业工具的灵活解耦与协同推理。

20、AI驱动的科学工作流网络安全。资助主题包括：面向对抗鲁棒性与系统弹性的AI安全机制，研发针对科学AI模型的漏洞自主探测工具，针对规避攻击、后门植入及数据投毒等威胁构建标准化基准测试体系，在保障科学计算精度的前提下实现模型安全强化；数据溯源与完整性验证，构建高扩展性验证框架，实现面向AI训练与推理环节海量科学数据集的来源确权与全链路追踪，实时识别并拦截数据恶意篡改或投毒行为；AI模型实时攻击检测与缓解，部署贯穿模型训练与推理阶段的动态监控系统，自动捕获对抗性扰动与恶意操控特征，有效阻断旨在破坏科学结论准确性的各类安全威胁。

21、能源组件与流体系统中的AI应用。资助主题包括：复杂流动建模的物理信息AI，研发物理信息神经网络等新型架构，将流体力学定律约束深度嵌入机器学习，利用稀疏或高噪数据预测边界湍流、钝体流及大气流动；提升性能与耐久性的AI驱动设计与控制，应用生成式AI和强化学习，在虚拟测试台快速优化涡轮机或热交换器等组件的效率及疲劳抗性；数据驱动的运营智能与系统韧性，将流体动力学AI模型与实体传感器实时数据融合，构建高保真数字孪生系统，实现连续状态估计、异常侦测及组件适应性控制。 

 （岳芳 郑颖）