机器学习框架预测托卡马克硬件漂移原标题: New ML framework predicts shifts between shots at DIII-D#聚变#机器学习#托卡马克#数字孪生#深度神经网络#不确定性量化Jefferson实验室联合多家机构,为DIII-D托卡马克开发了基于深度神经网络的机器学习框架,可自适应预测环向场线圈漂移。该在线学习方法较静态模型预测误差降低80%,并纳入不确定性量化进一步降低10%误差,为聚变诊断中的人工智能运行应用迈出重要一步。