Low-dimensional geometry learning for turbulence prediction in optimized stellarators
Este artículo demuestra que el diseño de estelarizadores con simetría cuasihelical reside en un espacio latente de baja dimensión que, al ser identificado mediante aprendizaje profundo, permite generar datos de simulación para optimizar directamente la geometría del estelarizador y reducir el transporte turbulento.