Bayesian optimization of stellarator alpha-particle confinement using data-informed parameter spaces and dimensionality reduction
Dieses Paper schlägt zwei datengestützte Parametrierungsmethoden vor – die Quantiltransformation von Fourier-Moden sowie die PCA-basierte Dimensionsreduktion –, um eine effiziente Bayessche Optimierung von Stellaratorentwürfen für eine überlegene Alpha-Teilchen-Einschlussleistung zu ermöglichen und damit die Einschränkungen traditioneller Fourier-basierter Ansätze hinsichtlich Parametergrenzen und Ausdrucksstärke zu überwinden.