使用预测首次实验学习等离子体动力学和稳健的降坡轨迹

本研究解决了托卡马克操作中降坡阶段模拟困难的问题，通过结合科学机器学习的最新进展，提出了一种神经状态空间模型（NSSM），能够有效预测降坡期间的等离子体动态。研究发现，该模型显著提高了等离子体终止时的电流和能量，有助于设计在高不确定性下的托卡马克控制策略。