De race voor kernfusie wordt vaak beschreven aan de hand van supergeleider magneten, tokamak-reactoren, plasma op extreem hoge temperaturen en enorme publieke of private investeringen. Maar een minder zichtbaar deel van het probleem ligt in de software. Voordat een fysieke machine wordt gebouwd, moeten onderzoekers simuleren hoe het plasma zich zal gedragen, hoe de magnetische velden zullen reageren, welke stabiliteit mogelijk is en welk ontwerp de meeste kans op succes heeft.
Hier wil VeloAlpha een rol spelen. Dit start-up bedrijf, opgericht in april in Peking door Xie Huasheng, een fuseertheoreticus en expert in plasmasimulatie, ontwikkelt FusionAlpha: een simulatieprogramma waarmee fusie-onderzoeksteams ontwerpconcepten op de computer kunnen testen voordat ze overgaan tot kostbare fysieke experimenten. Deze aanpak, beschreven door South China Morning Post, bouwt voort op een steeds algemener wordend idee in de sector: Kunstmatige Intelligentie (AI) zal kernfusie niet zelfstandig oplossen, maar kan wel de kosten en doorlooptijd van cruciale ontwerpfases reduceren.
Het ‘onmogelijke driehoek’ van fusiesimulatie
Xie vat het probleem kernachtig samen met de term: het ‘onmogelijke driehoek’ van fusiesoftware. Bestaande tools neigen naar drie uitersten. Sommige zijn zeer nauwkeurig, maar vereisen enorme rekenkracht. Andere zijn snel, maar bieden niet altijd voldoende betrouwbaarheid om resultaten te extrapoleren naar nieuwe machines. Weer andere zijn conceptueel eenvoudiger, maar te grofmazig om het ontwerp van next-generation reactors effectief te sturen.
De uitdaging ligt dus in het vinden van de juiste balans tussen precisie, snelheid en rekenkosten. Het gaat niet alleen om goede fysische vergelijkingen, maar om modellen die snel kunnen worden uitgevoerd, te vergelijken zijn met experimentele data en geschikt zijn om technische beslissingen te ondersteunen. Elk fysiek experiment in een fusielaboratorium kost tijd, geld en menskracht. Als onderdelen van dat proces kunnen worden geëlimineerd of geoptimaliseerd via virtuele simulaties, verloopt het volledige proces sneller en kostenefficiënter.
VeloAlpha presenteert FusionAlpha als een tool om ontwerpen te bestuderen vóór het uitvoeren van dure fysieke testen. Volgens Xie is de prestaties van meer dan een dozijn verschillende ontwerp- en fysicasimulatiemodellen snel verbeterd door het gebruik van verfijnde wiskundige structuren en AI om de onderzoeksefficiëntie te vergroten. Het gaat niet om het vervangen van de fysica door een ‘zwarte doos’, maar om het combineren van fysische modellen met AI-technieken om berekeningen te versnellen, scenario’s te benaderen en het aantal weinig productieve iteraties te verminderen.
| Probleem bij fusiesimulatie | Traditionele aanpak | Wat AI kan bijdragen |
|---|---|---|
| Zeer nauwkeurige maar langzame modellen | Fysische simulaties op supercomputers met hoge fideliteit | Snellere surrogate modellen om meer scenario’s te verkennen |
| Snelle maar minder betrouwbare modellen | Nuttige benaderingen voor eerste inschattingen | Correcties en kalibratie op basis van experimentele data |
| Kosten van fysisch testen | Lange ontwerp-, bouw- en testcycli | Vroegtijdige uitsluiting van weinig kansrijke ontwerpen |
| Onstabiel plasma dat moeilijk te voorspellen is | Gespecialiseerde codes en handmatige analyses | Patronen herkennen, voorspellen en controller-ondersteuning |
| Reaktordesign | Afhankelijk van ervaring en gedeeltelijke simulaties | Integratie van meerdere parameters in digitale tweelingen |
| Validatie | Vergelijking met gegevens uit bestaande machines | Hybrid learning: combinatie van simulaties en experimenten |
China versnelt ook via software
De inspanningen van VeloAlpha passen binnen een groeiende fase van Chinese activiteit op fusiegebied. Het land beschikt over belangrijke publieke installaties, zoals het tokamak EAST, en over een private ecosysteem dat steeds meer internationale aandacht krijgt. Energy Singularity, bijvoorbeeld, werkte aan het HH70-apparaat, een compacte, supergeleidende tokamak ontwikkeld in China, en promoot een strategie gebaseerd op het benutten van lokale toeleveringsketens om kosten te verlagen in vergelijking met Westerse rivalen.
De opkomst van een start-up die zich richt op software voegt een extra laag toe aan die concurrentiestrijd. Jarenlang werd fusie vooral gezien als een uitdaging voor de fysica en de zware techniek. Dat klopt nog steeds, maar is niet het hele verhaal. De industrie heeft ook betere tools nodig voor simulatie, controle, dataverwerking, experimentele planning en ontwerpoptimisatie.
Dit fenomeen is niet exclusief voor China. Google DeepMind onderzoekt plasmacontrole met reinforcement learning en kondigde in 2025 een samenwerking aan met Commonwealth Fusion Systems om AI toe te passen bij de ontwikkeling van de volgende generatie fusie. In de VS werken het Princeton Plasma Physics Laboratory en anderen aan initiatieven die AI en high-performance computing combineren om simulaties te versnellen. Ook in het Verenigd Koninkrijk onderzoeken onderzoeksgroepen in fusie het gebruik van digitale tweelingen en machine learning om ontwerp- en operationstijden te verkorten.
Wat anders is, is dat China deze logica snel in de praktijk brengt. VeloAlpha belooft geen directe commercialisering van een fusiecentrale, maar een concrete inzet: het leveren of ontwikkelen van een simulatielaag waarmee reactorbouwers betere beslissingen kunnen nemen, nog voordat ze naar het laboratorium of de fabriek gaan.
Waarom AI wel kan helpen, maar fysieke uitdagingen niet wegneemt
Kernfusie probeert op aarde het proces na te bootsen dat de Zon voedt: lichte kernen verbinden en energie vrijmaken. Bij magnetisch gevangen plasmas ligt de uitdaging in het verwarmen van brandstof tot een plasma en dat stabiel houden met magnetische velden. Dit is een enorme uitdaging omdat plasma een complex, turbulentie-gevoelig systeem is dat reageert op kleine variaties.
AI kan op verschillende manieren helpen. Het kan snelle numerieke modellen maken, onstabiliteiten voorspellen, het plasma regelen, data analyseren, geometrieën verkennen en surrogate modellen creëren om veel configuraties te testen zonder telkens de volledige simulatie uit te voeren. Ook kan AI helpen bij het ontwikkelen van digitale tweelingen van fusieapparaten, waarbij het gedrag van echte en gesimuleerde systemen feedback krijgen
Maar voorzichtigheid is geboden. AI lost niet alle problemen op rondom materiaalkunde, magneten, warmte-afvoer, neutronenbeschadiging, onderhoud, economische haalbaarheid, tritiumbeheer of netwerkintegratie. Het vervangt ook niet fysische tests. Een model versnelt het leerproces, maar een centrale moet uiteindelijk aantonen dat ze netto energie produceert, stabiel functioneert, industrieel operationeel is en concurrerend blijft qua kosten.
Recent onderzoek benadrukt die voorzichtigheid: machine learning-tools hebben potentie, maar moeten worden geïntegreerd met robuuste fysische modellen, verantwoorde methodologieën en nauwe samenwerking tussen domeindeskundigen en AI-experts. In fusie kan een snelle, onbetrouwbare voorspelling meer kwaad dan goed doen.
Fusie wordt meer industrieel
De groei van de energiemarkt en de toenemende investeringen maken dat de fusie-industrie zich ontwikkelt. Volgens de Fusion Industry Association had de sector in 2025 circa 2,64 miljard dollar aan private financiering binnengehaald in het voorgaande jaar, en in totaal bijna 9,77 miljard dollar. De drijfveer is de vraag naar schone energie, de druk van groeikrachtige datacenters en de wens voor betrouwbare, emissievrije elektriciteit.
Dat kapitaal garandeert niet direct succes, maar verandert de tools die de sector nodig heeft. Wanneer projecten van onderzoeksfase naar industriële productie verschuiven, wordt software voor ontwerp, simulatie en validatie steeds belangrijker. Net zoals in de vliegtuigbouw, automobielindustrie en halfgeleidersector is een goed ontwikkelde simulatielaag essentieel voor complexe cyber-physische systemen.
VeloAlpha mikt op dat deel van de markt. Bij succes in het verkorten van ontwerpcycli, het verbeteren van voorspellingen of het mogelijk maken van kleinere, innovatieve teams die geavanceerde configuraties verkennen, kan het bedrijf een waardevolle rol spelen in het ecosysteem. Lukt het niet om overtuigend te zijn met reële data, dan blijft het een andere veelbelovende, maar nog niet bewezen oplossing.
Deze ontwikkeling wijzigt de discussie: kernfusie zal niet alleen verder gaan met het bouwen van grotere en krachtigere machines. Het vereist ook slimme software die beslissingen kan ondersteunen over wat de moeite waard is om te ontwikkelen. In een technologie waarbij elk experiment miljoenen kost, is het kunnen uitsluiten van niet-geschikte opties vaak bijna net zo waardevol als het vinden van de juiste oplossing achteraf.
Veelgestelde vragen
Wat is VeloAlpha?
VeloAlpha is een Pekingse start-up, opgericht door Xie Huasheng, een specialist in fusietheorie en plasmasimulatie. Het bedrijf ontwikkelt FusionAlpha, een simulator voor de ontwerp- en analysefase van fusie-reactoren.
Welke problemen wil FusionAlpha aanpakken?
Het doel is kosten en doorlooptijd van ontwerpkeuzes te beperken door gebruik te maken van simulaties op de computer. Dit wordt gedaan door fysische modellen te combineren met AI-technieken om configuraties te beoordelen voordat er fysieke tests worden uitgevoerd.
Kan AI kernfusie mogelijk maken?
AI kan belangrijke onderdelen versnellen, zoals modellering, plasmacontrole en dataverwerking, maar wie fysische uitdagingen als materiaaleigenschappen, hitteafvoer, brandstofbeheer, continue werking en kosten niet kan negeren, blijft afhankelijk van daadwerkelijke experimenten en praktische doorbraken.
Waarom wint China aan zichtbaarheid op het gebied van fusie?
Omdat China beschikt over grote publieke installaties, een industriële supply chain en innovatieve start-ups die de ontwikkeling van reactoren en gerelateerde technologieën versnellen. Het gebruik van simulatiesoftware vormt daar een nieuwe strategische pijler bij.
vía: scmp. Beeld: kernsplijtingsreactor van Microsoft.