基于现代 Hopfield 网络的核聚变 Q 分布预测中的记忆感知
计算机视觉与模式识别
2024-10-14 v1
摘要
本研究针对长期稳定核聚变任务中预测 Q 分布这一关键挑战，提出了创新性的深度学习框架。该框架采用现代 Hopfield 网络，融合历史射出数据的关联记忆。利用新编织成的数据集，我们展示了该方法在增强 Q 分布预测方面的有效性。该方法的创新之处在于首次在此背景下利用历史记忆信息，实现了预测准确率的提升，为核聚变研究的优化做出了重要贡献。
引用
@article{arxiv.2410.08889,
title = {Exploiting Memory-aware Q-distribution Prediction for Nuclear Fusion via Modern Hopfield Network},
author = {Qingchuan Ma and Shiao Wang and Tong Zheng and Xiaodong Dai and Yifeng Wang and Qingquan Yang and Xiao Wang},
journal= {arXiv preprint arXiv:2410.08889},
year = {2024}
}