Apr, 2024
FTL：通过深度神经网络在低维嵌入中传输学习非线性等离子体动力学转换
FTL: Transfer Learning Nonlinear Plasma Dynamic Transitions in Low Dimensional Embeddings via Deep Neural Networks
Zhe Bai, Xishuo Wei, William Tang, Leonid Oliker, Zhihong Lin...
TL;DR利用深度学习算法研究高维度动力行为的新方法为等离子体聚变系统内的异常模式检测和建立高效模型来进行实时控制提供了独特机会，研究发现我们的 Fusion Transfer Learning (FTL) 模型通过学习有限数量的非线性模拟数据，成功重建出非线性可刚性模式结构，实验结果突出了 FTL 捕捉等离子体动力学的过渡行为和动力学特点的能力，并指出该模型是可推广的，并可通过迁移学习扩展以应对各种磁流体力学 (MHD) 模式。