Alumni Google DeepMind budują oprogramowanie do sterowania fuzją jądrową

Dwaj byli badacze Google DeepMind, którzy przez lata uczyli algorytmy sterowania eksperymentalnymi reaktorami termojądrowymi, uruchomili własną firmę. Fusionality z Lozanny w Szwajcarii chce sprzedawać gotowe oprogramowanie sterujące plazmą kilkudziesięciu prywatnym firmom budującym komercyjne reaktory fuzyjne.

Od tokamaku do startupu

Felici i Buchli poznali się, gdy razem uczyli sztuczną inteligencję sterować eksperymentalnym tokamakiem TCV w Szwajcarskim Centrum Plazmy przy EPFL. Felici, z wykształceniem inżyniera sterowania i doktoratem z fizyki plazmy, pracował przy tokamaku TCV, zanim spędził dwa i pół roku w Google DeepMind, rozwijając symulacje i interfejsy uczenia maszynowego dla urządzeń fuzyjnych. Buchli, inżynier elektryk z ETH Zurych, kierował w DeepMind zespołami robotyki i uczenia ze wzmocnieniem.

Obaj założyli Fusionality w 2026 roku, przenosząc doświadczenie z laboratorium akademickiego i wielkiego koncernu technologicznego do wąskiej, ale rosnącej niszy rynkowej. Firma nie projektuje własnych reaktorów - buduje warstwę oprogramowania, z której mogą korzystać inne startupy fuzyjne, dostosowując ją do własnych konstrukcji.

Co dokładnie robi Fusionality

Produkt Fusionality to zestaw systemów sterowania i środowisk symulacyjnych do zarządzania plazmą wewnątrz reaktora. Firma koncentruje się na razie na konstrukcjach opartych na ograniczeniu magnetycznym, czyli klasycznym podejściu wykorzystującym elektromagnesy do utrzymania rozgrzanej plazmy w ryzach - tym samym, na którym opiera się większość dzisiejszych projektów komercyjnych tokamaków i stellaratorów.

80 procent każdego systemu sterowania jest naprawdę dokładnie takie samo - Federico Felici, CEO Fusionality

To spostrzeżenie jest sednem modelu biznesowego firmy. Zamiast każdego startupu fuzyjnego budującego od zera własny stos oprogramowania sterującego, Fusionality chce dostarczać wspólny rdzeń, który klienci dostroją pod swoją konkretną geometrię reaktora i harmonogram eksperymentów.

Rola sztucznej inteligencji

Mimo doświadczenia obu założycieli w uczeniu maszynowym, Felici studzi oczekiwania co do tego, jak daleko AI powinna sięgać w sterowaniu reaktorem.

Nie byłbym kimś, kto opowiadał się za tym, by AI przejęło kontrolę całego reaktora fuzyjnego - Federico Felici, CEO Fusionality

Według niego sztuczna inteligencja ma raczej uzupełniać i optymalizować wybrane elementy systemu sterowania, na przykład przewidywanie niestabilności plazmy w czasie rzeczywistym, a nie zastępować klasyczne, sprawdzone algorytmy sterowania jako całość. To podejście różni się od retoryki części branży AI, która chętnie ogłasza autonomiczne systemy sterujące infrastrukturą krytyczną.

Kontekst rynku fuzji

Runda Fusionality wpisuje się w gwałtowny wzrost inwestycji w energetykę termojądrową. Według Fusion Industry Association firmy zajmujące się fuzją zebrały rekordowe 4,48 miliarda dolarów w ciągu dwunastu miesięcy do lipca 2026 roku, a łączne finansowanie sektora od początku istnienia przekroczyło 11,5 miliarda dolarów. Liderem pozostaje amerykański Commonwealth Fusion Systems z 3,94 miliarda dolarów pozyskanego kapitału, w tym miliardową rundą zamkniętą w lipcu 2026 roku.

Na tym tle Fusionality jest wciąż niewielkim graczem - firma dopiero zamknęła rundę pre-seed, a nie kolejną megarundę. Jej przewaga ma polegać nie na budowie własnego reaktora, lecz na dostarczaniu infrastruktury programistycznej dla całej rosnącej listy konkurujących ze sobą projektów fuzyjnych, z których część od lat mierzy się z tym samym problemem inżynierskim sterowania plazmą.

Znaczenie dla branży AI

Historia Fusionality dokłada się do coraz dłuższej listy startupów zakładanych przez byłych pracowników Google DeepMind, którzy wychodzą poza budowę modeli językowych i sięgają po zastosowania inżynieryjne uczenia maszynowego w twardych naukach - fizyce plazmy, robotyce czy biologii. Jest to też przykład odwrotnego kierunku przepływu wiedzy niż zwykle opisywany w mediach: nie AI trafiająca do energetyki poprzez centra danych zużywające prąd, lecz eksperci od AI budujący narzędzia dla energetyki, która w przyszłości może zasilać te same centra danych.

Dla polskiego czytelnika śledzącego rynek AI to sygnał, że kompetencje wyniesione z dużych laboratoriów badawczych coraz częściej trafiają do wąskich, technicznych nisz przemysłowych, a nie tylko do kolejnych generatywnych produktów konsumenckich. Fuzja jądrowa, wciąż odległa od komercyjnej produkcji energii na dużą skalę, staje się jednym z obszarów, gdzie doświadczenie w uczeniu maszynowym i symulacjach fizycznych ma bezpośrednie zastosowanie inżynieryjne.