基于机器学习的等离子体中中性粒子传输建模方法
计算机视觉与模式识别
2025-10-28 v1 机器人学
摘要
我们研究了一种基于传播器的方法，用于Monte-Carlo（MC）建模等离子体边界中的中性粒子传输。该传播器本质上是等离子体分布函数的Green函数，取决于等离子体轮廓。基于神经网络（NN）的传播器模型提供了对等离子体中中性分布函数的快速且准确的解决方案。此外，NN基于重建的传播器对等离子体参数具有连续光滑的依赖，为使用基于Jacobian的方法进行时间积分和根寻找出线提供了可能性。来自小规模1D测试问题的初始结果显示前景良好；然而，关于算法对更大系统的扩展存在一些重要研究问题。
引用
@article{arxiv.2510.23087,
title = {EndoWave: Rational-Wavelet 4D Gaussian Splatting for Endoscopic Reconstruction},
author = {Taoyu Wu and Yiyi Miao and Jiaxin Guo and Ziyan Chen and Sihang Zhao and Zhuoxiao Li and Zhe Tang and Baoru Huang and Limin Yu},
journal= {arXiv preprint arXiv:2510.23087},
year = {2025}
}