基于有限数据的机器学习增强惯性约束聚变靶丸抛光表面光滑度预测
机器学习
2023-12-19 v1
摘要
在惯性约束聚变（ICF）过程中，使用一个由高密度碳制成的约 2mm 的球壳作为激光束的靶丸，激光束将其压缩并加热至实现高聚变产率所需的能量水平。这些球壳经过精心抛光以满足聚变打靶的标准。然而，这些球壳的抛光涉及多个阶段，每个阶段耗时数小时。为了确保抛光过程朝着正确的方向进行，我们能够测量球壳的表面粗糙度。然而，这种测量非常耗费人力、耗时，并且需要人工操作员。我们提出使用机器学习模型，基于连接到抛光机上的振动传感器收集的数据来预测表面粗糙度。此类模型能够实时生成球壳的表面粗糙度，使操作员能够对抛光过程做出任何必要的调整以获得最佳结果。
引用
@article{arxiv.2312.10553,
title = {Machine Learning-Enhanced Prediction of Surface Smoothness for Inertial Confinement Fusion Target Polishing Using Limited Data},
author = {Antonios Alexos and Junze Liu and Akash Tiwari and Kshitij Bhardwaj and Sean Hayes and Pierre Baldi and Satish Bukkapatnam and Suhas Bhandarkar},
journal= {arXiv preprint arXiv:2312.10553},
year = {2023}
}
备注
Accepted as Extended Abstract in AIM 2024