返回
Machine Learning Applications Enabling Fusion Energy: Recent Developments
DOI:10.1007/s10894-025-00509-z.png)
摘要
En 中文
在过去几年中,机器学习帮助开发了涵盖广泛领域的聚变能源先进能力。这包括从聚变诊断中提取信息的先进算法、用于等离子体状态估计与控制的增强算法、用于提高预测能力的加速模拟工具,以及用于聚变材料设计的扩展建模能力。本专题集合涵盖了机器学习应用研究的最新进展,进一步推动了聚变能源的发展路径;特别是它涵盖了广泛的聚变子领域——从惯性约束聚变到磁约束等离子体,包括高温超导磁体设计与优化。本社论总结了该集合内容,同时也提供了机器学习在未来如何被用于加速聚变能源作为可靠能源发展的关键展望。
Keyword:
Machine learning
Fusion
Technology
Open source
Benchmarks
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
2.1
论文数:
63
被引数:
1.0K
机构
暂无机构信息
引用论文
Bayesian methods for magnetic and mechanical optimization of superconducting magnets for fusion用于聚变超导磁体的磁学和力学优化的贝叶斯方法
Risk-aware framework development for disruption prediction: Alcator C-Mod and DIII-D survival analysis风险感知框架开发用于中断预测:Alcator C-Mod和DIII-D生存分析
没有更多内容

