第62届美国物理学会等离子体物理分会年会

2020年11月9日到13日，第62届美国物理学会等离子体物理分会年会在美国田纳西州孟菲斯市(Memphis, Tennessee)召开，会议采用虚拟会议的形式召开，来自世界各地的2214位科研人员注册参会，创造了注册人数的新纪录。

LLNL实验室有150多位物理科学家参加了会议，报告主题包括天体等离子体研究、纳米技术进展以及聚变研究等方向，重点介绍了NIF和光子科学研究的进展，包括利用NIF的先进放射线能力(dvanced Radiographic Capability, ARC)激光系统进行的实验，利用新型黑腔进行的能量耦合研究，以及利用混合实验E设计进行的最大高密度碳内爆获得热斑能量的研究进展。主要报告包括：

题目：Plasma Physics in Strong-Field Regimes              作者：Yuan Shi

在强电磁场中，出现了新的等离子体现象及其应用。首次获得并评估了任意几何形状的三波耦合系数的简易方程。通过求解，将流体模型降为二阶，可以提供参数不稳定性的替代方案，并可以量化磁场对集合散射(collective scattering)的影响。作为一种应用，磁共振可用来调节激光脉冲压缩。利用磁化等离子体，光学激光器可以实现更高的输出强度，并且具有更高的灵活性，而且还可以压缩现有技术无法实现压缩的UV和软X射线脉冲，有望设计出下一代更强大激光器。

题目：Cognitive Simulation Models for Inertial Confinement Fusion: Combining Simulation and Experimental Data                        作者：Kelli Humbird

这篇报道了使用现有经验数据改进数值模型的认知模拟方法。利用深层神经网络模型通过“转移学习(transfer calibrate)”可以“校准”ICF模拟结果。该技术最初是为简单机器学习任务开发的，例如图像识别，可以应对有限的数据。而这里使用的是一种强大的，非线性的方法，可以利用各种实验观测值来校准ICF模拟。为了建立改进模型，研究人员先在数千个计算模拟中训练高级神经网络，然后利用实验数据对其进行部分训练。利用转移学习方法生成的高级模型比单独模拟精确得多。对在Omega激光装置和国家点火装置上进行的一系列ICF实验，这篇报告展示了改进后的模型性能。此外，这篇报告还演示如何使用这些方法进行数据驱动的实验来实现性能优化，而且随着数据的获取，模型将会变得越来越准确。

其他论文包括：