机器学习在计算等离子体物理和降阶等离子体建模中的应用：一个展望
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对机器学习在数值等离子体物理研究中应用相对有限的现状，提出了将流体力学中的机器学习进展转移到计算等离子体物理的路线图。文章探讨了机器学习的基本概念和算法类型，并回顾了在流体动力学和等离子体物理中应用的具体实例，指出未来的研究方向及其面临的主要挑战。
本文研究了非侵入式科学机器学习（SciML）约简模型（ROMs）在非线性、混沌等离子体湍流模拟中的应用。通过算子推断（OpInf）构建基于物理学的低成本ROMs，实验结果表明OpInf ROMs能够捕捉湍流动力学的重要特征，并显著提升计算时间。这对于聚变设备的设计和实时控制具有潜力。
