TGLF-WINN: Data-Efficient Deep Learning Surrogate for Turbulent Transport Modeling in Fusion
Ce papier présente TGLF-WINN, un modèle de substitution par apprentissage profond guidé par la physique qui, grâce à une ingénierie de caractéristiques, une régularisation basée sur les nombres d'onde et un apprentissage actif bayésien, réduit considérablement les besoins en données d'entraînement tout en offrant une accélération de 45 fois par rapport au modèle TGLF pour la modélisation du transport turbulent dans les tokamaks.
Yadi Cao, Futian Zhang, Wesley Liu, Tom Neiser, Orso Meneghini, Lawson Fuller, Sterling Smith, Raffi Nazikian, Brian Sammuli, Rose Yu2026-04-21🔬 physics