编辑丨%
自 2025 年 11 月 24 日，美国白宫公开了创世纪计划以来，相应领域的研究通过结合人工智能、超级计算、量子系统和先进科学仪器的新平台，正加速着美国能源、科学发现和国家安全领域的突破。
2026 年 7 月 22 日，该项目第一次大规模进入项目执行阶段。
美国能源部（DOE）从超过5000 份申请中选出了278 个Phase I项目，参与机构达到342 家，其中包括 DOE 及 NNSA 国家实验室、大学、企业和非营利机构。这些项目并没有集中在某一个领域。从能源、材料、生物技术，到量子科学、粒子物理和先进制造，AI 开始被安排到不同科学体系中最具体的瓶颈位置。
而最近几所美国大学公布的获奖项目，恰好可以让我们看到这场实验究竟准备怎么做。这里，小编挑选了其中三个案例用以展示。
加速计算
在俄勒冈大学（University of Oregon），一支由物理学家 Stephanie Majewski 领导的团队获得了66.2 万美元的 Phase I 资助。他们瞄准的是大型强子对撞机（LHC）里的一个非常具体、却长期困扰粒子物理学家的问题：
Monte Carlo 事件生成。
理解这个项目，可以先想象一下 LHC 正在做什么。质子在加速器中被加速到极高能量，然后发生碰撞。科学家真正关心的，是碰撞之后究竟产生了什么。但实验数据本身还不够。研究人员必须先用理论模型模拟大量「如果粒子这样碰撞，会发生什么」的事件，再把这些模拟结果与真实探测器数据比较。
图 1：LHC 实验的模拟示意图。
这就导致在 LHC 每一次碰撞后，都会有海量数据生成，而模拟这些碰撞本身同样需要巨大的计算资源。
这也是为什么 Monte Carlo 事件生成成为连接「碰撞数据」和「新物理发现」之间的瓶颈。
Majewski 团队提出的项目叫MANGO，全称是Monte Carlo Acceleration via Normalizing Flows using GPU Optimization，它试图重新设计事件生成过程，让生成速度和准确性同时得到提升。如果成功，这套方法还希望能够同时适用于 GPU 和 CPU 计算环境，而不依赖某一家 GPU 厂商的专用硬件。
对于粒子物理而言，这种提升的意义并不只是节省电费。因为每节省一部分模拟成本，研究人员就可以生成更多事件、测试更多理论假设，或者把更多计算资源投入真正困难的物理问题。
https://barefield.ua.edu/2026/08/12/ai-meets-particle-physics-in-ua-led-department-of-energy-project/
领悟等离子体的规律
如果说 MANGO 解决的是「算得更快」，埃默里大学（University of Emory）的项目则走向了更深一层：
能不能让 AI 从复杂的等离子体运动中，直接找到人类尚未总结出来的规律？
该大学的物理学家 Justin Burton 和 Ilya Nemenman 领导的团队，希望利用 AI 研究等离子体的流体动力学，并把研究尺度从实验室中的小型粒子系统，一直延伸到宇宙中的极端天体环境。
这听起来跨度极大。实验室里的系统可以只有大约2000 个粒子，而宇宙中的等离子体则可能涉及超新星爆炸、伽马射线暴等极端环境下的巨大尺度结构。
图 2：哈勃望远镜的蟹状星云。
传统方法通常需要分别处理不同尺度的问题，但 Emory 团队希望训练一种能够跨尺度分析等离子体动力学的 AI 工具。最终目标甚至不是单纯预测某个实验结果，研究人员希望找到一种类似理想气体定律的、更高层次的规律，用来描述更加复杂的等离子体系统。
这件事情的前奏其实已经出现。
Burton 和 Nemenman 此前就利用 AI 研究过实验室中的尘埃等离子体，并发现了此前未被注意到的物理现象，这项工作还获得了美国国家科学院 2025 年 Cozzarelli Prize。
图 3：来自美国国家科学院制作的 Cozzarelli Prize 视频，图为 Burton。
https://news.emory.edu/stories/2026/07/emory-scientists-selected-us-genesis-mission-awards-speed-discovery-through-ai
高能物理模拟与分析
阿拉巴马大学（University of Alabama，UA）获选的项目，目标是利用AI 智能体进行高能物理模拟与分析操作。传统 AI 科研工具通常是先由科学家提出问题，等待 AI 完成一个特定任务后，再让科学家继续下一步。例如让模型生成模拟数据、识别异常事件，或者对实验数据进行分类。
阿拉巴马大学的粒子物理团队此前已经在探索 HEPTAPO D 等 Agentic AI 框架，让 AI 智能体能够组织高能物理中的多步骤任务，并调用专门的计算工具完成理论和模拟工作。
而创世纪给这个方向提供了更大的应用舞台。
因为高能物理本身就是一个非常适合智能体发挥作用的领域：模拟、理论计算、数据处理、实验分析，每一个环节都拥有复杂的软件工具和成熟的计算基础设施。在这其中，UA 与瑞士欧洲核子研究中心（CERN）展开的紧凑型 μ 子环流实验（CMS）无疑是一个极具代表性的例子。
图 4：CMS 实验使用的巨大螺旋磁铁。
2025 年，该大学 CMS 团队开发了一个试点框架，将大型语言模型应用于粒子理论的研究任务，而现在这个模型将成为创世纪项目的骨干。当下，团队计划把现有的原型扩展为一种智能且自主的工具，以自动化处理 CMS 所产生的海量数据。最终，项目中开发的方法将可扩展到其他数据密集型学科，有望提升国家科研生产力。
UA 将作为与费米实验室联合项目的牵头机构。谷歌和英伟达也将提供额外的支持与协作。
https://research.uoregon.edu/news/uo-physicist-earns-genesis-mission-award
创世纪计划的第一幕
第一阶段奖项的目标是识别迈向变革性科学能力的有前景路径，并为未来投资和规模化奠定基础。项目团队将设计和演示将人工智能与科学研究整合的研究工作流程，同时严格评估这些方法是否能加速发现、提升预测能力、增强实验或产生新的科学见解。
获奖者将获得任务平台的访问权限，包括通过行业合作伙伴提供的 AI 框架、先进的 AI 模型和软件，以及能源部国家实验室和合作设施的高性能计算资源。在诸多机构的推动下，AI 将毫无疑问成为未来发展的主旋律。
热门跟贴