用机器学习探索螺旋发电机
太阳与恒星天体物理
2019-09-11 v3 星系天体物理
机器学习
摘要
我们使用集成机器学习算法研究螺旋强迫的磁流体动力学（MHD）湍流中磁场的演化。我们使用平均场形式进行螺旋强迫湍流的直接数值模拟，其中电动势（EMF）既建模为平均磁场和电流密度的线性函数，也建模为非线性函数。EMF 的形式使用正则化线性回归和随机森林确定。我们还通过使用马尔可夫链蒙特卡洛（MCMC）采样的贝叶斯推断将各种解析模型与数据进行比较。我们的结果表明，线性回归在预测 EMF 方面大体上是成功的，并且使用更复杂的算法（随机森林、MCMC）并未导致拟合的显著改进。我们得出结论，我们所考察的数据实际上是低维且本质线性的。最后，为了鼓励社区进一步探索，我们提供所有模拟数据和分析脚本作为开源 IPython notebooks。
引用
@article{arxiv.1905.08193,
title = {Exploring helical dynamos with machine learning},
author = {Farrukh Nauman and Joonas Nättilä},
journal= {arXiv preprint arXiv:1905.08193},
year = {2019}
}
备注
accepted by A&A, 11 pages, 6 figures, 3 tables, data + IPython notebooks: https://github.com/fnauman/ML_alpha2