Shape Editor

AI 模型在实时托卡马克等离子体预测方面进行基准测试

研究人员开发了一个 AI 代理建模框架，用于实时预测托卡马克等离子体平衡，解决了传统 Grad-Shafranov 求解器的高计算成本问题。该研究在大型数据集上对五种神经网络架构——MLP、CNN、FNO、Transformer 和 KAN——进行了基准测试，评估了它们的准确性、效率和鲁棒性。虽然 Transformer 模型在分布内数据上实现了最高的准确性，但 CNN 在速度和可靠性方面表现出最佳的整体平衡，而 CNN 和 FNO …