用于 ICF 等离子体的分辨率无关机器学习热流封闭模型
等离子体物理
2026-04-07 v1
摘要
惯性约束聚变等离子体中热流的精确建模需要能够在远离局域平衡以及跨越不同空间和时间分辨率时仍保持预测能力的封闭模型。我们利用傅里叶神经算子，基于粒子模拟数据训练了一个分辨率无关的机器学习热流封闭模型。我们训练并测试了两个非局域电子热传导模型。当自洽地嵌入电子能量方程时，学习到的封闭模型忠实地再现了温度演化，并展现出良好的时间外推和泛化能力。值得注意的是，在粗分辨率数据上训练的模型，当部署到分辨率显著更高的隐式迭代能量方程求解器中时，能够准确预测热流，这显著增强了将数据驱动封闭模型嵌入偏微分方程求解器的实用性。这些结果建立了一个连接动理学与流体描述的数据驱动封闭模型，并为在ICF等离子体的辐射流体动力学模拟中将机器学习作为迭代求解器提供了一条可行的途径。
引用
@article{arxiv.2604.03439,
title = {Resolution-Independent Machine Learning Heat Flux Closure for ICF Plasmas},
author = {M. Luo and A. R. Bell and F. Miniati and S. M. Vinko and G. Gregori},
journal= {arXiv preprint arXiv:2604.03439},
year = {2026}
}