|
|
一、项目总体概况
项目总数：278项
参与机构总数：342家
项目牵头方分布：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
二、各科技领域项目分类统计
根据项目清单内容，278个项目可划分为12个主要科技领域，分布如下：
|
|
|
|
|
|
|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
三、各领域重点领域项目设置详情
1. 核能与聚变能（约45项，16.2%）
这是项目数量最多、单项目投资额最大的领域，包含一个三年期6000万美元的核能旗舰项目。
代表性项目：
聚变能：Foundation Model Platform for Fusion Energy（普林斯顿大学）、Toward Physics Informed Digital Twins for Fusion Magnet Systems（LBNL）、REACT: Reactor Exhaust And Core Twin（Lehigh大学）、Stellarator blanket optimization with differentiable Monte Carlo neutronics（威斯康星大学）
核能：AI-Enabled Digital Twins for Commercializing Fuel Recycling（ANL）、An Autonomous AI Framework for Closed-Loop Nuclear Fuel Qualification（LANL）、AI-Guided Fuel Cycle Facility Optimization（SHINE Technologies）、Development of an AI-Informed, Standards-Based, Model-Based Systems Engineering Methodology to Enhance Fusion Power Plant Life-Cycle Engineering（Vanderbilt大学）
等离子体与燃料循环：Digital Twin for Laser-Plasma Wakefield Acceleration（LLNL）、Developing a Digital Replica of a Deuterium-Tritium Process Loop（Acceleron Fusion）
2. 材料科学与先进制造（约40项，14.4%）
覆盖从原子尺度材料设计到宏观制造工艺的全链条。
代表性项目：
材料发现与设计：AlphaFilm: Closed-Loop AI for Thin-Film Materials（Exabyte Inc.）、AI-Driven Inverse Design of Patchy DNA Origami（Duke大学）、High-Fidelity AI-Ready Excited-State Materials Datasets（LBNL）
先进制造：AI-Driven Closed-Loop Digital Twin for Composite Manufacturing（特拉华大学）、SMART-AI for Scale-Up and Material Reliability Translation of Advanced Structural Alloys（ORNL）、AI-Enabled Digital Twin Framework for Hot Rolling Operations（密苏里大学）
燃料电池与催化：AI-driven synthesis of fuel cell catalysts（NLR）、Agentic AI-Driven Co-Optimization of Tandem Electrothermocatalytic Route（西北大学）
3. 地球与环境科学（约35项，12.6%）
聚焦水资源、大气科学和地球系统建模。
代表性项目：
水文学：RIVER-AI: Reservoir-Groundwater Interactions（Lehigh大学）、HydroORBIT: Physics-Informed Multimodal AI Foundation Model for Coupled Surface-Groundwater Prediction（ORNL）、A Foundational Generative AI Framework to Advance Water-Energy Security（LBNL）
大气与云物理：ASPIRE: ARM-driven Simulation for Physical Insight Research Engine（LBNL）、Cloud Microphysics Multi-Scale Modeling Moonshot（哥伦比亚大学）、Bridging Resolution Disparities in the Genesis of Mixed-Phase Clouds（犹他大学）
地球系统建模：Drift-Aware Initialization of Coupled Earth System Models（PNNL）、An Agentic AI Framework for Seasonal-to-Interannual U.S. Water Prediction（马里兰大学）
4. 量子信息科学与技术（约30项，10.8%）
涵盖量子计算硬件、纠错、传感和算法。
代表性项目：
量子计算与纠错：AI-Driven Discovery of Early Fault-Tolerant Quantum Computation Primitives（UC Davis）、AutoQEC: AI-Driven Discovery and Optimization of Quantum Error Correction Codes（Unitary Fund）、Learning to Decode at Hardware Speed（UC Riverside）
量子传感与材料：PRISM-Q: Physics-Reinforced Intelligence for Superconducting Microsystems（LLNL）、Deployable Cavity Coupled Cold Atom Quantum Sensing Platform（BNL）、AI-Driven Quantum Sensing for Precision Tests of Fundamental Physics（MIT）
5. 能源系统与电网（约25项，9.0%）
聚焦电网韧性、可再生能源整合和能源效率。
代表性项目：
电网运营：Dispatchable Data Centers: AI-Driven Workload Flexibility（犹他大学）、A Physically-Informed Neural Network for Power-grid Resilience to Extreme Wind Events（肯塔基大学）、GRID OPS AI（俄克拉荷马州立大学）
能源效率：From Chip to Chiller: Verifiable Edge AI Agents for Data Center Thermal Management（JHU）、Adversarial Robustness Framework for AI Models in Battery Management（北达科他大学）
6. 基础物理与宇宙学（约25项，9.0%）
代表性项目：
粒子物理与核物理：Foundation Models for Transferable Particle Tracking（Stony Brook）、AI Agents for HEP Simulations and Analysis Operations（阿拉巴马大学）、Accelerating DUNE Physics with AI Discovery of Neutrino Interaction Uncertainties（FSU）、Mixture-of-Experts Foundation Models for Scalable Reconstruction of Particle Interactions（威廉玛丽学院）
宇宙学：A Unified Multimodal Data Service for AI-Driven Cosmology（CMU）、Dynamical Learning for Fast, Uncertainty-Aware Cosmological Inference（LLNL）
核数据与反应：Accelerating Nuclear Data Delivery Using AI/ML（LSU）、Genesis Mission: Accelerating ENSDF Nuclear Data Evaluation（St. Joseph's University）
7. 关键矿物与稀有元素（约20项，7.2%）
代表性项目：
稀土分离与提取：AI-driven discovery of electrochemical separation methods for rare earth elements（MIT）、AI-Guided Map for Biomining of Critical Minerals（Texas A&M）、Selective Recovery of Light and Heavy Rare-Earth Element Pairs（迈阿密大学）
矿物勘探：Agentic GeoAI for Precision Mineral Exploration（Colorado School of Mines）、GEM-AI: Generative Exploration of Minerals（CMU）、Multimodal AI Finders for REE Deposits（Texas A&M）
地热与采矿：AI-Driven Multi-Scale Framework for Critical Mineral Discovery（INL）、OpenClaw-RT: Agentic AI for Accelerating In Situ Recovery（威斯康星大学）
8. 生物技术与合成生物学（约20项，7.2%）
代表性项目：
合成生物学与基因设计：Generative AI for Genome Design（耶鲁大学）、Foundation Models for Metabolic Engineering（UIUC）、AI-Driven Design of Gene Expression Programs in Plants（Stanford）
酶与微生物工程：Structural dynamics enable enzyme design for useful biotechnology（UCSF）、AI-driven prediction of emerging microbial phenotypes in electrogenic consortia（Caltech）、Precision Microbiome Engineering in Anaerobic Communities（UC Santa Barbara）
9. AI基础方法与计算科学（约18项，6.5%）
代表性项目：
基础模型与神经算子：Physics Informed Transformer Foundation Model（SNL-CA）、Pipit: A foundation model factory（ORNL）、Multi-Fidelity AI Foundation Model for Coupled Surface-Groundwater Predictions（ANL）
科学计算与代码生成：Neuro-Symbolic Synthesis of Verified Computational Physics Code（JHU）、Reinforcement Learning for Scientific Problem-to-Code Generation（LANL）、An Agentic LLM Workflow for Code Generation and Optimization（NCSU）
10. 半导体与微电子（约10项，3.6%）
代表性项目：
新型半导体：CMOS + X: AI-Enabled Cross-Domain Co-Design for Low-Temperature Electronics（ANL）、Polaris: Angstrom-node equivalent SRAM & logic with polar materials（Kepler Computing）、AI-Advantage for Defect-property prediction in non-von Neumann computing Materials（LLNL）
神经形态与存内计算：Neuromorphic Circuit Primitives for Robotic Embodied Physical AI（Duke）、Self-Driving Discovery of MXene Memristors for 3D Compute-in-Memory（Northeastern）
11. 科学仪器与加速器（约10项，3.6%）
代表性项目：
加速器：AI-Driven, Self-Learning Digital Twins for Robust Operation of Particle Accelerators（BNL）、Towards Self-Evolving Digital Twins of Ion Accelerators（Michigan State）、AI/ML Resonance control for high-reliability accelerator operations（FNAL）
探测器与诊断：Low-latency Embedded AI for Physics - From Waveforms to Discovery（PNNL）、Facility-Level Agentic AI for Portable LaserNetUS Diagnostics（LLNL）
12. 网络安全与科学基础设施（约10项，3.6%）
代表性项目：
科学工作流安全：GATEKEEPER: AI-Mediated Cybersecure Air-Gapped Enclaves（UNC Charlotte）、SPOTTER-AI: Scientific Provenance-Oriented Threat Tracing（ANL）、Secure Human-in-the-loop Intelligence for Deployment of Advanced Nuclear Systems（Texas A&M）
HPC与网络：Science-Aware Network Operations for Research Networks（ORNL）、OPTIX: A Multi-Modal Foundation Model for Performance-Aware HPC Code Intelligence（Texas State）
四、总结
核能与聚变能是首批项目的核心领域，项目数量最多（~45项），且包含唯一的6000万美元旗舰项目。
材料科学与先进制造（~40项）和地球与环境科学（~35项）位列第二、三位，反映了DOE在能源材料创新和气候-水安全领域的战略优先。
量子信息科学（~30项）和基础物理（~25项）占据重要份额，体现了DOE对前沿发现科学的持续投入。
关键矿物（~20项）和生物技术（~20项）作为新兴重点领域获得显著支持，与国家安全和供应链韧性高度相关。
AI基础方法（~18项）项目虽然数量相对较少，但作为支撑所有领域的技术底座，其影响力具有乘数效应——几乎所有项目都在不同程度上依赖AI/ML方法创新。
从牵头方来看，大学承担了60%以上的项目（168项），国家实验室承担约31%（87项），体现了“科研界主导、国家实验室协同”的资助模式。
来源：https://www.energy.gov/（英文）
智强咨询 编辑（中文）
