从有限数据中提取湍流与锥面流动捕食者-猎物动力学的随机模型
等离子体物理
2025-08-15 v1
摘要
理解湍流与锥面流动之间的相互作用对于建模融合等离子体中的湍流输运至关重要，通常通过捕食者-猎物动力学进行描述。然而，传统的确定性模型如Lotka-Volterra方程简化了这种相互作用，无法捕捉到模拟数据中微小的波动。本研究开发了基于随机微分方程（SDEs）的神经网络模型，用于从修改Hasegawa-Wakatani系统的模拟数据中表示捕食者-猎物动力学。我们通过神经网络提取漂移项和扩散项，纳入物理约束，并采用Unscented Transform以缓解数据有限带来的挑战。该模型准确再现了关键动力学特征，包括停滞现象和能量交换机制；且从模型生成的状态密度分布与模拟数据之间的KL散度较小。参数扫描发现，锥面流剪切效率随幅度而减小，且在无随机性情况下，捕食者-猎物振荡会衰减。这些发现凸显了将物理洞察整合到复杂等离子体系统的数据驱动方法中的价值。
引用
@article{arxiv.2508.10408,
title = {Extracting a stochastic model for predator-prey dynamic of turbulence and zonal flows with limited data},
author = {J. C. Huang and Z. S. Qu and R. Varennes and Y. W. Cho and X. Garbet and C. G. Wan and C. Guet and D. Niyato and V. Grandgirard},
journal= {arXiv preprint arXiv:2508.10408},
year = {2025}
}