傅里叶神经算子在等离子替代模型中的应用
原文中文,约300字,阅读约需1分钟。发表于: 。使用深度学习为基础的 FNO 进行代理模拟,能够准确预测等离子体的演化,包括模拟和实际观测数据,以及在 Tokamak 反应堆中的实时监测。
研究探讨了神经算子在紊流预测中的应用,尤其是傅立叶神经算子模型。研究比较了不同模型,发现U-NET结构更准确稳定,特别是U-FNET在高雷诺数湍流预测中表现良好。强调了正则化项的重要性和改进评估指标的必要。
使用深度学习为基础的 FNO 进行代理模拟,能够准确预测等离子体的演化,包括模拟和实际观测数据,以及在 Tokamak 反应堆中的实时监测。
研究探讨了神经算子在紊流预测中的应用,尤其是傅立叶神经算子模型。研究比较了不同模型,发现U-NET结构更准确稳定,特别是U-FNET在高雷诺数湍流预测中表现良好。强调了正则化项的重要性和改进评估指标的必要。