Low-dimensional geometry learning for turbulence prediction in optimized stellarators
Questo studio dimostra che la geometria degli stellarator ottimizzati a simmetria quasi-elica risiede in uno spazio latente a bassa dimensionalità, permettendo l'uso di modelli surrogati basati sull'apprendimento automatico per ottimizzare direttamente il trasporto turbolento e altre proprietà fisiche globali senza ricorrere a costose simulazioni di prima principio.