inertial confinement fusion
PulseAugur coverage of inertial confinement fusion — every cluster mentioning inertial confinement fusion across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Co4ICF框架通过协同演化的AI模型增强聚变模拟
研究人员开发了Co4ICF，一个整合了物理信息代理模型和基于近端策略优化（PPO）的脉冲优化器的新型框架。这种协同演化方法解决了惯性约束聚变（ICF）离线训练代理模型的分布外预测问题。通过在优化器生成的数据上迭代地微调代理模型，Co4ICF纠正了外推误差并提高了预测的可靠性。在模拟中，Co4ICF在MULTI环境中实现了146.1%的归一化产额，在更复杂的2D-MULTI环境中评估时实现了246.9%的归一化产额，证明了其协同演化机制的有效性。
-
对数域Noisier2Inverse框架推动ICF图像去噪技术发展
一种新的自监督去噪框架Log-Domain Noisier2Inverse已被开发并评估，用于处理受乘性均匀噪声影响的惯性约束聚变（ICF）图像。该框架展示了显著的改进，实现了21.41 dB的平均PSNR和0.8358的SSIM，相比噪声输入有了大幅提升。该方法在ICF图像去噪方面，显著优于BM3D和Noise2Self等现有技术，并且在训练过程中完全是自监督的。
-
AI框架利用专家知识加速聚变能源发现
研究人员开发了一个 in-the-loop 元贝叶斯优化 (HL-MBO) 框架，以加速聚变能源等数据稀疏领域的科学发现。该方法将专家知识与少样本、面向不确定性的机器学习相结合，以建议最优实验。HL-MBO 在惯性约束聚变能量产率优化、分子优化以及超导材料临界温度识别方面，均展现出优于现有贝叶斯优化方法的性能。