Quine, ARIA e una scommessa da 97M: l'AI entra in laboratorio, non nel reattore a fusione

La novità più recente di questo dossier non è un risultato sulla fusione. È Quine, un sistema di ricerca basato sull'AI che Microsoft Research ha annunciato il 29 settembre.

L'azienda sostiene di aver costruito un modello mondiale multimodale della biologia e un sistema interattivo che collega modelli, strumenti scientifici, letteratura e ricercatori. In collaborazione con il Broad Institute di Harvard e del MIT, Microsoft afferma che il sistema è stato usato per selezionare composti che, secondo le previsioni, inducono cambiamenti terapeutici nello stato dei tumori. Diversi candidati in cima alla classifica sono stati validati in più saggi di laboratorio. Questo è un risultato. Non è un esperimento sulla fusione.

Quindi la risposta onesta a chi cerca un risultato sulla ricerca per la fusione è che questo dossier non ne contiene nessuno. Contiene invece un gruppo di sistemi di ricerca basati sull'AI, articoli e annunci di finanziamenti degli ultimi tre giorni, più materiale sull'energia che non arriva mai a un reattore. La distinzione conta, perché i due temi vengono raccontati nella stessa settimana e spesso nello stesso respiro.

Cosa è stato effettivamente rilasciato questa settimana

Microsoft descrive Quine come tecnologia di ricerca sperimentale, destinata solo alla ricerca e non all'uso clinico o medico. Microsoft dichiara che i suoi risultati possono essere incompleti o imprecisi e richiedono la revisione di ricercatori qualificati e un'adeguata validazione sperimentale. Un programma Quine Fellows darà a una coorte di scienziati l'accesso al sistema, e Microsoft afferma di aspettarsi di ampliare l'accesso tramite prodotti come Microsoft Discovery man mano che la tecnologia matura.

CoreWeave ha sfruttato la stessa finestra del 29 settembre per pubblicare ARIA, un agente di programmazione integrato in Weights & Biases. ARIA legge gli esperimenti, costruisce visualizzazioni in tempo reale ed esegue quello che CoreWeave chiama un ciclo completo di autoricerca. Formula un'ipotesi, scrive la configurazione, avvia l'esperimento tramite W&B Launch, poi valuta i risultati rispetto a una baseline e redige un rapporto. CoreWeave afferma che il divario tra un'esecuzione conclusa e la successiva esecuzione configurata si riduce da ore a minuti.

Nessuna delle due aziende ha pubblicato un risultato di fisica. Nessuna delle due lo ha rivendicato.

Il numero più rilevante del dossier non è affatto una cifra di prestazioni. Efficient Computer, guidata dal CEO e cofondatore Brandon Lucia, ha annunciato il 29 settembre di aver raccolto un round di Serie B da 97M guidato da TQ Ventures. L'azienda costruisce processori pensati per l'efficienza energetica, e la sua tesi è architetturale: Lucia scrive che gli acceleratori AI a funzione fissa sono un patto col diavolo, che barattano la programmabilità con la velocità sui carichi di lavoro attuali, e cita la legge di Amdahl per sostenere che la parte non accelerata di qualsiasi calcolo fissa il tetto dell'efficienza.

Dove puntano i numeri sull'energia

L'energia è il filo che attraversa il resto del dossier. La CBC ha riferito il 29 settembre che il ministro dell'energia di Terranova e Labrador, Lloyd Parrott, ha detto che la provincia è aperta agli affari sui data centre per l'AI, dopo che il governo è stato contattato da alcune aziende. Un portavoce del dipartimento, Brodie Thomas, ha confermato via email gli approcci, ma ha detto che non si può commentare discussioni commercialmente sensibili.

Il lato della domanda ha un contrappeso. E2, analizzando i dati sull'occupazione del Dipartimento dell'Energia degli Stati Uniti, ha rilevato che gli Stati Uniti hanno perso 36.949 posti di lavoro nel settore dell'energia pulita nel 2025, il primo calo annuo dalla pandemia, con l'occupazione nell'energia pulita scesa a 3,52 milioni. Electrek ha riportato le cifre il 28 settembre. E2 ha anche registrato 142 progetti di produzione, generazione e stoccaggio di energia pulita cancellati o ridimensionati nel 2025, e ha osservato che i dati sull'occupazione non stabiliscono quanti posti di lavoro siano stati persi per una particolare modifica normativa.

Sul lato dell'offerta, Hannah Ritchie ha analizzato i numeri del professor Nick Eyre di Oxford, che mostrano la domanda finale mondiale di energia scendere da 416 a 247 exajoule in un sistema post-transizione, anche mentre la domanda di elettricità sale da 110 a 189 EJ. La sua conclusione è stretta e difendibile: l'elettrificazione stessa è il guadagno di efficienza, e il modello non presuppone altri miglioramenti.

Niente di tutto questo è fusione. È il contesto informatico ed elettrico dentro cui la ricerca sulla fusione dovrà prima o poi inserirsi.

Cosa sostengono gli articoli sull'AI per la ricerca

Il working paper NBER 35782, di Matthew Schwartz, Isaiah Andrews e Jesse M. Shapiro, offre i numeri più netti sulla ricerca automatizzata. Su 4.452 pacchetti di replica pubblicati per cinque riviste di economia, il flusso di lavoro open source basato su LLM degli autori segnala discrepanze in 3.460 articoli o nei loro allegati. In 496 articoli riduce il tempo di calcolo di un'operazione di oltre un fattore 10, con accuratezza simile o superiore, e in 923 articoli sviluppa un'estensione assente nell'originale. L'articolo dichiara che gli LLM sono stati usati nell'analisi e nella scrittura, e che Schwartz ha lavorato come collaboratore per Anthropic, le cui opinioni non sono condivise.

Due matematici contestano questa impostazione. Stephen Wolfram, in un testo del 28 settembre, sostiene che il calcolo simbolico non ha posto fine alla matematica pura e che il maggiore impiego dell'AI finora è l'estrazione della base di conoscenza matematica esistente. Dan Romik, in un post del 29 settembre, descrive la ricerca matematica come un ciclo di retroazione e sostiene che i modelli AI addestrati sulla produzione umana generano teoremi "a distanza uno" da quel corpus, ma non riescono a riflettere su ciò che hanno prodotto e a distillarlo per raggiungere la distanza due.

Artefatti più piccoli completano la settimana. Kompyla, un monitor di ricerca self-hosted su GitHub, tratta un LLM come un compilatore, trasformando documenti grezzi in pagine wiki con citazioni. DotBot pubblica il firmware per un micro-robot usato nell'istruzione e nella ricerca. Kaveeshan Thurairaj e il dottor Zhao Pan dell'Università di Waterloo hanno vinto un Ig Nobel per la fisica per progetti di orinatoi senza schizzi, lavoro già pubblicato su PNAS Nexus. Il dossier contiene anche un libro sull'energia del 2008, una cronologia fotovoltaica della EIA e un sito satirico dichiarato apertamente come tale.

Letti insieme, descrivono una settimana di strumenti e misurazioni, non una svolta nella fusione.