跳到正文
热点事件持续更新

托卡马克破裂预测聚焦有限预警时域

1 篇报道1 个报道来源17 小时前更新

先了解这件事

AI 综述

研究者 Takeshi Koshizuka 和 Takaharu Yaguchi 提出面向有限预警时间的托卡马克破裂预测目标,并在 DIII-D、Alcator C-Mod 和 EAST 三个数据库上进行比较。结果显示,带时间标签平滑的固定时域预测在 DIII-D 和 EAST 表现最好;在 C-Mod,使用硬时域目标训练的随机森林表现最好。 研究在 40 毫秒预警期限下评估风险排序,并用验证数据校准报警阈值。C-Mod 和 DIII-D 的报警表现仍有限,且对训练随机种子较敏感;消融分析显示,预测目标应覆盖所需的预警时间。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月19日
  1. arXiv · Machine Learning
    面向托卡马克 disruption 报警的时域感知早期事件预测

    研究提出面向有限预警时域的托卡马克 disruption 预测目标,包括截断生存目标,以及结合时间标签平滑(TLS)的固定时域早期事件预测(EEP)。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。