La carrera por la energía de fusión suele contarse a través de imanes superconductores, reactores tokamak, plasma a temperaturas extremas y enormes inversiones públicas o privadas. Pero una parte menos visible del problema está en el software. Antes de construir una máquina física, los investigadores necesitan simular cómo se comportará el plasma, cómo responderán los campos magnéticos, qué estabilidad puede alcanzarse y qué diseño tiene más opciones de funcionar.
Ahí quiere situarse VeloAlpha, una start-up fundada en abril en Pekín por Xie Huasheng, teórico de fusión y especialista en simulación de plasma. La compañía desarrolla FusionAlpha, un simulador pensado para que los equipos de fusión puedan probar diseños de reactor en ordenador antes de entrar en ciclos de experimentación física mucho más caros. La propuesta, adelantada por South China Morning Post, se apoya en una idea cada vez más extendida en el sector: la Inteligencia Artificial no resolverá por sí sola la fusión, pero puede reducir el coste y el tiempo de algunas fases críticas de diseño.
El «triángulo imposible» de la simulación de fusión
Xie resume el problema con una expresión clara: el «triángulo imposible» del software de simulación de fusión. Las herramientas existentes tienden a caer en uno de tres extremos. Algunas son muy precisas, pero requieren una potencia de cálculo enorme. Otras son rápidas, pero no siempre ofrecen suficiente fiabilidad para extrapolar resultados a nuevas máquinas. Y otras son más simples desde el punto de vista conceptual, aunque demasiado aproximadas para guiar el diseño de reactores de nueva generación.
Ese equilibrio entre precisión, velocidad y coste computacional es uno de los grandes cuellos de botella de la fusión. No basta con tener buenas ecuaciones físicas. Hay que convertirlas en modelos capaces de ejecutarse, compararse con datos experimentales y servir para tomar decisiones de ingeniería. Cada experimento físico en una instalación de fusión consume tiempo, dinero y recursos humanos. Si una parte del descarte o ajuste puede hacerse de forma virtual, el proceso completo puede avanzar con más rapidez.
VeloAlpha plantea FusionAlpha como una herramienta para estudiar diseños antes de comprometerse con pruebas costosas. Según Xie, el rendimiento de más de una docena de modelos de diseño y análisis físico ha mejorado de forma rápida gracias a estructuras matemáticas más refinadas y al uso de Inteligencia Artificial para aumentar la eficiencia investigadora. La clave no está en sustituir la física por una caja negra, sino en combinar modelos físicos y técnicas de IA para acelerar cálculos, aproximar escenarios y reducir iteraciones poco productivas.
| Problema en simulación de fusión | Enfoque tradicional | Qué puede aportar la IA |
|---|---|---|
| Modelos muy precisos pero lentos | Simulaciones físicas de alta fidelidad en supercomputadores | Modelos sustitutos más rápidos para explorar más escenarios |
| Modelos rápidos pero menos fiables | Aproximaciones útiles para primeras estimaciones | Corrección y calibración con datos experimentales |
| Coste de pruebas físicas | Ciclos largos de diseño, construcción y ensayo | Descarte temprano de configuraciones poco prometedoras |
| Plasma inestable y difícil de predecir | Códigos especializados y análisis manual | Detección de patrones, predicción y control asistido |
| Diseño de reactor | Dependencia de experiencia acumulada y simulaciones parciales | Integración de múltiples variables en gemelos digitales |
| Validación | Comparación con datos de máquinas reales | Aprendizaje híbrido entre simulación y experimento |
China acelera también por la vía del software
El movimiento de VeloAlpha encaja con una etapa de mayor actividad china en fusión. El país cuenta con instalaciones públicas relevantes, como el tokamak EAST, y con un ecosistema privado que ha empezado a ganar visibilidad internacional. Energy Singularity, por ejemplo, ha trabajado en el dispositivo HH70, presentado como un tokamak superconductivo compacto desarrollado en China, y ha defendido una estrategia basada en aprovechar la cadena de suministro local para reducir costes frente a rivales occidentales.
La aparición de una start-up centrada en software añade otra capa a esa carrera. Durante años, la fusión ha sido vista como un desafío dominado por física experimental e ingeniería pesada. Esa lectura sigue siendo correcta, pero incompleta. La industria necesita también mejores herramientas de simulación, control, análisis de datos, planificación de experimentos y diseño asistido.
No es un fenómeno exclusivamente chino. Google DeepMind ha trabajado en control de plasma con aprendizaje por refuerzo y en 2025 anunció una colaboración con Commonwealth Fusion Systems para aplicar IA al desarrollo de la próxima generación de fusión. En Estados Unidos, el Princeton Plasma Physics Laboratory ha presentado iniciativas que combinan Inteligencia Artificial y computación de alto rendimiento para acelerar simulaciones. En Reino Unido, equipos vinculados a la investigación en fusión también exploran gemelos digitales y aprendizaje automático para reducir el tiempo necesario en diseño y operación.
La diferencia es que China parece estar aplicando esa lógica con rapidez empresarial. VeloAlpha no promete una central de fusión comercial inmediata. Su apuesta es más concreta: vender o desarrollar una capa de simulación que permita a quienes construyen reactores tomar mejores decisiones antes de llegar al laboratorio o a la fábrica.
Por qué la IA puede ayudar, pero no elimina los retos físicos
La fusión nuclear busca reproducir en la Tierra el proceso que alimenta al Sol: unir núcleos ligeros para liberar energía. En los diseños de confinamiento magnético, eso implica calentar combustible hasta formar plasma y mantenerlo estable mediante campos magnéticos. El desafío es enorme porque el plasma es un sistema complejo, turbulento y sensible a pequeñas variaciones.
La Inteligencia Artificial puede ayudar en varias partes del problema. Puede acelerar modelos numéricos, predecir inestabilidades, asistir en el control del plasma, analizar datos experimentales, explorar geometrías y crear modelos sustitutos que permitan probar muchas configuraciones sin ejecutar siempre simulaciones completas. También puede ayudar a construir gemelos digitales de máquinas de fusión, donde el comportamiento real y el simulado se retroalimentan.
Pero conviene evitar el exceso de entusiasmo. La IA no resuelve por sí sola los problemas de materiales, imanes, extracción de calor, daño por neutrones, mantenimiento, economía de planta, tritio o integración en red. Tampoco sustituye las pruebas físicas. Un modelo puede acelerar el aprendizaje, pero una central de fusión necesitará demostrar producción neta de energía, operación estable, disponibilidad industrial y costes competitivos.
Los propios estudios recientes sobre IA y fusión insisten en esa cautela: las herramientas de aprendizaje automático tienen potencial, pero deben integrarse con modelos físicos robustos, metodologías responsables y colaboración estrecha entre expertos de dominio y especialistas en IA. En fusión, una predicción rápida que no sea fiable puede ser peor que una simulación lenta.
La fusión entra en una fase más industrial
La oportunidad aparece porque la fusión está recibiendo más capital y más atención. La Fusion Industry Association estimó en 2025 que las empresas privadas de fusión habían captado 2.640 millones de dólares en los 12 meses previos y acumulaban cerca de 9.770 millones de dólares de financiación total entre las compañías encuestadas. El interés se ha visto reforzado por la demanda de energía limpia, la presión de los centros de datos y la búsqueda de tecnologías capaces de suministrar electricidad firme sin emisiones directas de carbono.
Ese capital no garantiza el éxito, pero cambia el tipo de herramientas que necesita el sector. Cuando los proyectos pasan de la investigación académica a calendarios industriales, el software de diseño, simulación y validación se vuelve más importante. La aviación, la automoción y los semiconductores ya vivieron algo parecido: ninguna industria compleja escala sin una capa potente de simulación.
VeloAlpha intenta ocupar ese espacio en la fusión. Si FusionAlpha consigue reducir tiempos de diseño, mejorar la calidad de las predicciones o permitir que equipos más pequeños exploren configuraciones avanzadas, puede convertirse en una pieza útil dentro del ecosistema. Si no logra demostrar fiabilidad frente a datos reales, quedará como otra promesa más en un sector acostumbrado a expectativas largas.
La noticia importa porque desplaza parte de la conversación. La fusión no avanzará solo construyendo máquinas más grandes o imanes más potentes. También necesitará software capaz de decidir qué merece la pena construir. En una tecnología donde cada experimento puede costar millones, saber descartar antes puede ser casi tan valioso como acertar después.
Preguntas frecuentes
¿Qué es VeloAlpha?
VeloAlpha es una start-up con sede en Pekín fundada por Xie Huasheng, especialista en teoría de fusión y simulación de plasma. Está desarrollando FusionAlpha, un simulador para diseño y análisis de reactores de fusión.
¿Qué problema quiere resolver FusionAlpha?
Busca reducir el coste y el tiempo de las pruebas de diseño mediante simulaciones por ordenador, combinando modelos físicos y técnicas de Inteligencia Artificial para evaluar configuraciones antes de hacer experimentos físicos.
¿Puede la IA hacer viable la fusión nuclear?
Puede acelerar partes importantes del proceso, como simulación, control de plasma y análisis de datos, pero no elimina retos físicos e industriales como materiales, extracción de calor, combustible, operación continua y costes.
¿Por qué China está ganando visibilidad en fusión?
China combina grandes instalaciones públicas, cadenas de suministro industriales y start-ups que buscan acelerar el desarrollo de reactores y herramientas asociadas. El software de simulación es una nueva pieza dentro de esa estrategia.
vía: scmp. Imagen de reactor de fisión de Microsoft.
