使用稀疏高斯过程预测稳健的惯性约束聚变内爆产额
等离子体物理
2020-02-19 v1 计算物理
摘要
在此我们展示一种基于先进稀疏高斯过程（Sparse Gaussian Process）的机器学习算法在预测惯性约束聚变（ICF）实验产额这一挑战中的应用。该算法用于研究国家点火装置上一种极其稳健的 ICF 设计“最简设计”（Simplest Design）的参数空间：塑料烧蚀层中的氘-氚气体，具有高斯、普朗克驱动。我们特别展示了：i) GPz 有潜力将预测的不确定性分解为源于数据缺乏的不确定性和发次间变化的不确定性；ii) 允许纳入科学目标特定的代价敏感学习，例如聚焦于参数空间中的高产额部分；iii) 在高维中非常快速且有效。
引用
@article{arxiv.1910.08410,
title = {Using Sparse Gaussian Processes for Predicting Robust Inertial Confinement Fusion Implosion Yields},
author = {Peter Hatfield and Steven Rose and Robbie Scott and Ibrahim Almosallam and Stephen Roberts and Matt J Jarvis},
journal= {arXiv preprint arXiv:1910.08410},
year = {2020}
}
备注
9 pages, 7 figures. Accepted for IEEE Transactions on Plasma Science Special Issue on Machine Learning, Data Science and Artificial Intelligence in Plasma Research