論文の概要: Predictive Hydrodynamic Simulations for Laser Direct-drive Implosion Experiments via Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2507.16227v1
• Date: Tue, 22 Jul 2025 04:57:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:13.967197
• Title: Predictive Hydrodynamic Simulations for Laser Direct-drive Implosion Experiments via Artificial Intelligence
• Title（参考訳）: 人工知能によるレーザー直接衝突実験の予測流体力学シミュレーション
• Authors: Zixu Wang, Yuhan Wang, Junfei Ma, Fuyuan Wu, Junchi Yan, Xiaohui Yuan, Zhe Zhang, Jie Zhang,
• Abstract要約: この研究は、レーザー駆動インロージョン実験のために人工知能(AI)によって強化された予測的流体力学シミュレーションを提示する。 レーザ波形とターゲット半径に応じてインロジョン特性を予測するために, トランスフォーマベース深層学習モデルであるMulti-Netを構築した。 本研究では、複雑なレーザー融合実験のためのシミュレーションの予測能力を向上するデータ駆動型AIフレームワークを実証する。
• 参考スコア（独自算出の注目度）: 45.84035159987504
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents predictive hydrodynamic simulations empowered by artificial intelligence (AI) for laser driven implosion experiments, taking the double-cone ignition (DCI) scheme as an example. A Transformer-based deep learning model MULTI-Net is established to predict implosion features according to laser waveforms and target radius. A Physics-Informed Decoder (PID) is proposed for high-dimensional sampling, significantly reducing the prediction errors compared to Latin hypercube sampling. Applied to DCI experiments conducted on the SG-II Upgrade facility, the MULTI-Net model is able to predict the implosion dynamics measured by the x-ray streak camera. It is found that an effective laser absorption factor about 65\% is suitable for the one-dimensional simulations of the DCI-R10 experiments. For shot 33, the mean implosion velocity and collided plasma density reached 195 km/s and 117 g/cc, respectively. This study demonstrates a data-driven AI framework that enhances the prediction ability of simulations for complicated laser fusion experiments.
• Abstract（参考訳）: この研究は、レーザー駆動インロジョン実験のために人工知能(AI)によって強化された予測的流体力学シミュレーションを示し、二重円錐点火(DCI)を例に挙げた。 レーザ波形とターゲット半径に応じてインロジョン特性を予測するために, トランスフォーマベース深層学習モデルであるMulti-Netを構築した。 高速サンプリングのための物理インフォームドデコーダ (PID) を提案し, ラテンハイパーキューブサンプリングと比較して予測誤差を著しく低減した。 SG-IIアップグレード施設で行われたDCI実験に応用して、マルチネットモデルは、X線ストリークカメラによって測定されたインロジョンダイナミクスを予測することができる。 その結果, DCI-R10実験の1次元シミュレーションには, 65%の有効レーザー吸収率が適していることがわかった。 ショット33では,平均衝突速度と衝突プラズマ密度はそれぞれ195km/s,117g/ccに達した。 本研究では、複雑なレーザー融合実験のためのシミュレーションの予測能力を向上するデータ駆動型AIフレームワークを実証する。

関連論文リスト

• A Surrogate Model for the Forward Design of Multi-layered Metasurface-based Radar Absorbing Structures [3.328784252410173]
  本稿では,多層準曲面RASの電磁(EM)応答の予測を著しく高速化する代理モデルを提案する。 提案したモデルは、99.9%のコサイン類似性を達成し、平均2乗誤差は1000エポック内の0.001である。
  論文  参考訳（メタデータ） (2025-05-14T09:54:00Z)
• Learning Plasma Dynamics and Robust Rampdown Trajectories with Predict-First Experiments at TCV [37.922926147647544]
  トカマクにおける可変ランプダウンの時, プラズマ力学を予測するニューラル状態空間モデル(NSSM)を開発した。 NSSMは、原子炉関連高性能システムにおいて、わずか5パルスの311パルスの控えめなデータセットから効率よくダイナミクスを学習する。 TCVの高性能実験は、関連するメトリクスの統計的に有意な改善を示している。
  論文  参考訳（メタデータ） (2025-02-17T21:19:15Z)
• Simulating Neutron Scattering on an Analog Quantum Processor [0.0]
  本稿では,QuEraのAquilaプロセッサ上での中性子散乱をシミュレーションする手法を提案する。 ハードウェア上でのプロシージャの性能に関する数値シミュレーションと実験結果を提供する。 また,両部の絡み合いを実験的に確認した。
  論文  参考訳（メタデータ） (2024-10-04T22:39:29Z)
• Accelerating Electron Dynamics Simulations through Machine Learned Time Propagators [0.9208007322096533]
  本稿では,リアルタイムTDDFTに基づく電子動力学シミュレーションを高速化する新しい手法を提案する。 物理インフォームド制約と高分解能トレーニングデータを活用することにより,精度と計算速度が向上する。 この方法は、レーザー照射された分子や材料のリアルタイム・オンザフライモデリングを可能にする可能性がある。
  論文  参考訳（メタデータ） (2024-07-12T18:29:48Z)
• Deep Generative Models for Ultra-High Granularity Particle Physics Detector Simulation: A Voyage From Emulation to Extrapolation [0.0]
  この論文は、ベルIIの実験でPixel Vertex Detector (PXD)のこの課題を克服することを目的としている。 本研究は、粒子物理学における超高粒度検出器シミュレーションに深部生成モデルを用いた結果について初めて紹介する。
  論文  参考訳（メタデータ） (2024-03-05T23:12:47Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
  超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。 本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
  論文  参考訳（メタデータ） (2023-10-08T17:11:42Z)
• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• Conceptual Design Report for the LUXE Experiment [116.47875392913599]
  我々は高エネルギーの電子-光子相互作用と光子-光子相互作用を分析して、量子物理学のこの到達不能な状態に達する。 予測される高光子フラックスは、標準モデルを超えた新しい物理の感度の高い探索を可能にする。
  論文  参考訳（メタデータ） (2021-02-03T12:27:10Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。