用于核聚变等离子体破裂预测的自回归Transformer
等离子体物理
2024-01-02 v1
摘要
物理科学需要针对不同动力学细微差别定制的模型。在这项工作中，我们研究核聚变托卡马克中的结果预测，其中主要挑战是“破裂”，即等离子体稳定性的丧失，对托卡马克具有破坏性影响。尽管破裂难以使用物理模拟建模，但机器学习（ML）模型在预测这些现象方面显示出前景。在这里，我们首先研究了掩码自回归Transformer的几种变体，在接收者操作特征曲线下面积指标上平均比现有方法提高了5%。然后，我们将Transformer模型与有限上下文神经网络进行比较，以揭示托卡马克控制影响的等离子体的“记忆”。通过这些模型比较，我们论证了在托卡马克背景下等离子体中存在一种持久记忆，我们的模型利用了这一点。
引用
@article{arxiv.2401.00051,
title = {Autoregressive Transformers for Disruption Prediction in Nuclear Fusion Plasmas},
author = {Lucas Spangher and William Arnold and Alexander Spangher and Andrew Maris and Cristina Rea},
journal= {arXiv preprint arXiv:2401.00051},
year = {2024}
}