Bayesian optimization of stellarator alpha-particle confinement using data-informed parameter spaces and dimensionality reduction
Cet article propose deux méthodes de paramétrage fondées sur les données — la transformation par quantiles des modes de Fourier et la réduction de dimensionnalité basée sur l'ACP — afin de permettre une optimisation bayésienne efficace des formes de stellarators pour un confinement supérieur des particules alpha, surmontant ainsi les limites des approches traditionnelles basées sur Fourier concernant les bornes de paramètres et l'expressivité.