可运用到NIF上的深度学习替代模型

发布时间: 2020-07-20 14:46:13   作者:本站编辑   来源: 本站原创   浏览次数:

 

. 美国劳伦斯·利弗莫尔国家实验室的研究人员正在整合Sierra超级计算机(左)和国家点火装置(右)的相关技术,以推动对能量聚变和核武器老化效应等复杂问题的理解。

LLNL科学家已经开发了基于神经网络的替代模型,该替代模型有望推进人们对复杂高能量密度物理问题的理解。

在美国国家科学院院刊(Proceedings of the National Academy of SciencesPNAS)近期发表的论文中,研究人员描述了深度学习驱动的“流形与循环一致”(Manifold & Cyclically Consistent, MaCC)替代模型的开发,该模型以多模式神经网络为基础,能够快速准确模拟复杂的科学过程。

研究团队将该模型应用到NIFICF内爆实验中。之前的实验中主要利用数值模拟器来预测靶的能量产出。与现有模拟器的结果相比,研究人员发现以神经网络为基础的模型可以替代模拟器,并且在大部分指标范围内,替代模型的性能明显优于现有技术。

论文的主要作者是LLNL的计算机科学家Rushil Anirudh。他指出,相比而言,替代模型运算速度更快,更重要的是,深度学习替代模型能够分析ICF测试实验中大量复杂的数据,支持核武器储备的现代化。目前实验的结果显示,替代模型有可能会推进新的科学发现,促进模拟仿真新技术的出现。这对于NIF尤为重要,因为目前,科学家们尚未完全弄清楚模拟与实验结果之间存在差异的原因。将来,深度学习模型可能会激发出新的功能,分析每次NIF打靶中由各种诊断设备收集到的大量X射线图像,传感器数据以及其它信息,为科学家提供新的途径。

 

我来说两句
您尚未登录,请登录后发布评论! 【马上登录
评论列表
已有 0 条评论(查看更多评论)
友情链接
 
电话:021-69918000 传真:021-69918800
360网站安全检测平台 Powered by SIOM Copyright © 2014 www.siom.ac.cn, All Rights Reserved pv总量 访客数总量