基于机器学习的等离子体中中性粒子传输建模
等离子体物理
2026-02-03 v2
摘要
研究基于传递子的方法用于等离子体边界等离子体中中性粒子传输的蒙特卡罗（MC）建模。传递子本质上是中性动力学方程的格林函数，取决于等离子体剖面。基于神经网络（NN）的传递子模型提供了等离子体中中性分布函数的快速准确解。此外，NN 基于重建的传递子对等离子体参数具有连续光滑的依赖，为使用基于雅可比的方法进行时间积分和根寻找出线打开了可能性。初始 1D 小规模测试问题的结果显示前景希望，但重要的研究问题关心算法的规模化。
引用
@article{arxiv.2510.23088,
title = {Machine Learning approach to modeling of neutral particles transport in plasma},
author = {M. V. Umansky and G. J. Parker and R. D. Smirnov},
journal= {arXiv preprint arXiv:2510.23088},
year = {2026}
}