PulseAugur
中
实时 07:05:07
English(EN) Deterministic and probabilistic neural surrogates of global hybrid-Vlasov simulations

图神经网络加速Vlasov模拟用于空间等离子体研究

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了图神经网络（GNN）来创建更快的模拟器，用于等离子体湍动的复杂混合-Vlasov模拟。这些GNN，特别是Graph-FM和Graph-EFM，能够准确预测电磁场和离子速度分布函数时空演化。模拟器在单个GPU上运行速度比原始模拟快两个数量级，为空间物理建模中的快速集合生成提供了一个可行的框架。 AI

影响 加速复杂的科学模拟，从而在空间物理和等离子体动力学领域实现更快的研究。

排序理由 该集群包含一篇关于科学模拟新计算方法的arXiv论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

图神经网络加速Vlasov模拟用于空间等离子体研究

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Daniel Holmberg, Ivan Zaitsev, Markku Alho, Ioanna Bouri, Fanni Franssila, Haewon Jeong, Minna Palmroth, Teemu Roos ·

    全球混合-Vlasov模拟的确定性与概率性神经代理模型

    arXiv:2601.12614v4 Announce Type: replace-cross Abstract: Hybrid-Vlasov simulations resolve ion-kinetic effects in the solar wind-magnetosphere interaction, but even 5D (2D + 3V) configurations are computationally expensive. We show that graph-based machine learning emulators can…

相关实体

相关话题