近期，来自劳伦斯·利弗莫尔国家实验室（LLNL）、帝国理工学院等合作机构的研究人员取得了一项突破性进展。他们成功构建并测试了经过人工智能优化的3D打印靶材，该靶材能有效抑制威胁惯性约束聚变（ICF）实验性能的Richtmyer-Meshkov不稳定性（RMI）。

这项发表在《物理评论快报》上的工作，首次实际证明了由机器学习算法设计的结构可以被实体制造出来，并得到了实验验证。

该研究的核心挑战在于冲击波穿过不同密度材料界面时产生的RMI，这种不稳定性会形成破坏聚变胶囊对称性的射流，从而降低能量产出。

研究团队利用机器学习算法，优化设计了靶材内部特定的空腔几何结构。这些结构能够在冲击波到达不稳定界面之前，对其进行重新分布和重塑。

研究第一作者Jergus Strucka解释道，他们的方法不是让单一冲击波撞击表面，而是通过引入空腔结构，将冲击波分解为一系列在时间上略有差异的较小压力脉冲。

为了实现这一设计，团队采用了创新的增材制造工艺。他们首先使用聚合物3D打印机制作出所需空腔结构的倒置模具。

随后，将明胶材料注入模具，待其固化后脱模，最终得到一个一侧为波浪形表面、另一侧具有复杂优化空腔的明胶靶材样品。

在实验测试阶段，研究人员将3D打印的明胶靶材置于薄铜条上，并通过铜条释放一个巨大的电脉冲来产生冲击波。

LLNL的科学家Dane Sterbentz描述了实验原理：冲击波首先遇到空腔结构，在其抵达可能引发RMI的波浪形界面前，空腔便将其重塑。他们利用设计的空腔制造一种次级压力波，来对抗并减少不稳定的射流。

Jergus Strucka强调了此项工作的里程碑意义，他指出，虽然这类AI优化的设计在模拟中前景看好，但通常极难制造和进行实验测试。他们的工作首次证明了这类结构可以被制造出来并在真实实验中验证。

研究人员认为，由于底层物理的普适性，这项研究成果可为ICF胶囊中填充管和材料界面的设计提供参考，有助于在更简单的系统中隔离和研究特定不稳定性效应。

Dane Sterbentz补充道，他们的实验装置为探测像RMI这样的孤立效应提供了一个更简单的平台。而与ICF更直接相关的验证实验，未来仍需在Omega激光装置或国家点火装置（NIF）等大型设施中进一步开展。