Maxwellians

深度学习从宏观测量中重建等离子体动力学数据

研究人员开发了一个深度学习框架，可以从宏观测量中重建低温等离子体的详细动力学信息。通过在PIC-MCC模拟数据上训练U-Net、傅里叶神经网络算子（FNO）和MeshGraphNet等神经网络，该系统可以从非侵入性测量的等离子体可观测量中推断出电子和离子能量分布函数（EEDFs/IEDFs）。FNO模型表现出最佳性能，能够准确恢复等离子体密度、温度和速率系数，这有望推动等离子体诊断和代理建模的发展。