研究人员开发了一个新颖的框架，使用基于物理信息神经网络（PINNs）的方法来推断仿星器装置剥离层中的垂直能量传导率。该方法将等离子体剖面测量与简化的输运方程相结合，以约束推断出的传导率 $\kappa_\perp(n,T)$。该框架通过合成数据进行了验证，误差小于10%，并已应用于TJ-II仿星器的实验数据，提供了有效剥离层传导率的初步估计。 AI
影响 这项研究展示了人工智能在推断复杂物理特性方面的新颖应用，有望推动等离子体物理研究和聚变能源开发。
排序理由 该集群包含一篇研究论文，详细介绍了一种使用神经网络进行等离子体物理研究的新方法。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
