#深度神经网络 核能资讯

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。

新型人工智能HEAT-ML能够加速聚变系统设计和运行决策，通过深度神经网络计算托卡马克部件的阴影掩模，大幅缩短模拟时间，并为聚变发电的实现提供关键技术支持。