基于可微动理学模拟与最大熵损失函数的惯性聚变等离子体物理无监督发现

等离子体支持集体模式与粒子-波相互作用，导致惯性聚变能应用中的复杂行为。虽然等离子体有时可建模为带电流体，但动理学描述有助于研究更高维动量-位置相空间中描述等离子体动力学全部复杂性的非线性效应。我们为等离子体动理学三维偏微分方程创建了可微求解器，并引入了领域特定的目标函数。利用该框架，我们对神经网络进行基于梯度的优化，这些网络在给定一组初始条件的情况下为可微求解器提供强迫函数参数。我们将其应用于惯性聚变相关构型，发现优化过程利用了一种此前未被发现的新物理效应。