AI预判等离子体「暴走」，MIT等基于机器学习实现小样本下的等离子体动力学高精度预测

麻省理工学院牵头的研究团队利用科学机器学习，将物理定律与实验数据智能融合。开发了一种神经状态空间模型，通过少量数据就能预测托卡马克配置变量 (TCV) 缓降过程中的等离子体动力学，以及可能出现的不稳定情况。