GyroSwin：用于等离子体涡流动力学模拟的 5D 代理模型
等离子体物理
2025-10-13 v2 人工智能
机器学习
摘要
核聚变是实现可靠可持续能源生产的关键途径。 viable fusion 能源的一个重大障碍在于理解等离子体涡流动力学，这显著影响等离子体约束，是下一代反应堆设计所必需的。等离子体涡流动力学由非线性等离子体动力学方程控制，该方程随时间演化 5D 分布函数。由于其高计算成本，实际中常采用简化模型来近似模拟能量输运。然而，这些模型忽略了完整 5D 动力学中特有的非线性效应。为此，我们引入 GyroSwin，即第一个可规模化的 5D 神经代理模型，能够建模 5D 非线性等离子体动力学模拟，从而捕捉到简化模型所忽略的物理现象，同时提供准确的能量输运估计。GyroSwin (i) 将层次化 Vision Transformer 扩展到 5D；(ii) 引入跨注意力和集成模块，用于在静电势场和分布函数之间进行潜在 3D↔5D 交互；(iii) 采用源于非线性物理学的通道级模式分离。我们展示了 GyroSwin 在热流预测方面超越了广泛使用的简化数值方法，捕捉到了涡流能量级联，并将完全解析的非线性等离子体动力学计算成本降低了三个数量级，同时保持物理可验证性。GyroSwin 显示出有前景的规模定律，测试最多达 10 亿参数，为等离子体涡流动力学模拟的可规模化神经代理模型铺平了道路。
引用
@article{arxiv.2510.07314,
title = {GyroSwin: 5D Surrogates for Gyrokinetic Plasma Turbulence Simulations},
author = {Fabian Paischer and Gianluca Galletti and William Hornsby and Paul Setinek and Lorenzo Zanisi and Naomi Carey and Stanislas Pamela and Johannes Brandstetter},
journal= {arXiv preprint arXiv:2510.07314},
year = {2025}
}
备注
Accepted at NeurIPS 2025, First authors contributed equally