論文の概要: GyroSwin: 5D Surrogates for Gyrokinetic Plasma Turbulence Simulations

• arxiv url: http://arxiv.org/abs/2510.07314v1
• Date: Wed, 08 Oct 2025 17:59:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.691075
• Title: GyroSwin: 5D Surrogates for Gyrokinetic Plasma Turbulence Simulations
• Title（参考訳）: GyroSwin: Gyrokinetic Plasma Turbulence Simulationのための5Dサロゲート
• Authors: Fabian Paischer, Gianluca Galletti, William Hornsby, Paul Setinek, Lorenzo Zanisi, Naomi Carey, Stanislas Pamela, Johannes Brandstetter,
• Abstract要約: プラズマ乱流は非線形ジャイロキネティック方程式によって制御される。 縮小次モデルは、しばしばエネルギーの乱流輸送を近似するために実際に使用される。 GyroSwinは、5次元非線形ジャイロキネティックシミュレーションをモデル化できる最初のスケーラブルな5Dニューラルサロゲートである。
• 参考スコア（独自算出の注目度）: 18.320829792574738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nuclear fusion plays a pivotal role in the quest for reliable and sustainable energy production. A major roadblock to viable fusion power is understanding plasma turbulence, which significantly impairs plasma confinement, and is vital for next-generation reactor design. Plasma turbulence is governed by the nonlinear gyrokinetic equation, which evolves a 5D distribution function over time. Due to its high computational cost, reduced-order models are often employed in practice to approximate turbulent transport of energy. However, they omit nonlinear effects unique to the full 5D dynamics. To tackle this, we introduce GyroSwin, the first scalable 5D neural surrogate that can model 5D nonlinear gyrokinetic simulations, thereby capturing the physical phenomena neglected by reduced models, while providing accurate estimates of turbulent heat transport.GyroSwin (i) extends hierarchical Vision Transformers to 5D, (ii) introduces cross-attention and integration modules for latent 3D$\leftrightarrow$5D interactions between electrostatic potential fields and the distribution function, and (iii) performs channelwise mode separation inspired by nonlinear physics. We demonstrate that GyroSwin outperforms widely used reduced numerics on heat flux prediction, captures the turbulent energy cascade, and reduces the cost of fully resolved nonlinear gyrokinetics by three orders of magnitude while remaining physically verifiable. GyroSwin shows promising scaling laws, tested up to one billion parameters, paving the way for scalable neural surrogates for gyrokinetic simulations of plasma turbulence.
• Abstract（参考訳）: 核融合は、信頼性と持続可能なエネルギー生産の探求において重要な役割を担っている。 核融合発電のための主要な障害は、プラズマの乱流を理解することであり、これはプラズマの閉じ込めを著しく損なうものであり、次世代の原子炉の設計に不可欠である。 プラズマ乱流は、時間とともに5次元分布関数を進化させる非線形ジャイロキネティック方程式によって制御される。 計算コストが高いため、低次モデルは実際にエネルギーの乱流輸送を近似するために用いられることが多い。 しかし、完全な5次元力学に特有の非線形効果を省略する。 この問題を解決するために、GyroSwinという5次元非線形ジャイロキネティックシミュレーションをモデル化できる最初のスケーラブルな5Dニューラルサロゲートを紹介した。 (i)階層型視覚変換器を5Dに拡張する (II)静電ポテンシャル場と分布関数の間の潜在3D$\leftrightarrow$5D相互作用のためのクロスアテンションおよび積分モジュールを導入し、 (iii)非線形物理学にインスパイアされたチャネルワイドモード分離を行う。 我々は,GyroSwinが熱流束予測で使用した減算数値よりも優れており,乱流エネルギーカスケードを捕捉し,物理的に検証可能でありながら,完全に分解された非線形ジャイロキネティクスのコストを3桁の規模で低減することを示した。 GyroSwin氏は、最大10億のパラメータをテストした有望なスケーリング法則を示し、プラズマ乱流のジャイロキネティックシミュレーションのためのスケーラブルなニューラルネットワークサロゲートの道を開いた。

関連論文リスト

• Physics Informed Neural Networks for design optimisation of diamond particle detectors for charged particle fast-tracking at high luminosity hadron colliders [70.66815108184498]
  将来の高輝度ハドロン衝突装置は、極端放射線耐性、空間精度、ナノ秒以下のタイミングで追跡検出器を必要とする。 3Dダイヤモンドのピクセルセンサーは、ダイヤモンドの放射硬度とキャリアの移動性のために、これらの機能を提供する。 我々は、マクスウェル方程式の準定常近似として導かれた3次、3+1D PDEを用いて、この現象をモデル化する。
  論文  参考訳（メタデータ） (2025-09-25T13:09:28Z)
• Particle-based plasma simulation using a graph neural network [0.0]
  このモデルは2桁の精度で従来のシミュレーションよりも長い時間ステップで精度を向上する。 この研究は、複雑なプラズマ力学を学習できることを示し、高速な微分可能シミュレータの開発を約束することを示している。
  論文  参考訳（メタデータ） (2025-03-01T01:07:37Z)
• 5D Neural Surrogates for Nonlinear Gyrokinetic Simulations of Plasma Turbulence [9.788870512075171]
  本稿では,5次元ジャイロキネティックシミュレーションのためのニューラルネットワークサロゲートのトレーニング法を提案する。 本手法は階層型視覚変換器を5次元に拡張し,アディバティック電子近似のための5次元分布関数をトレーニングする。 我々の研究は、プラズマ乱流シミュレーションのためのニューラルサロゲートへの道を開き、核融合による商業エネルギー生産の展開を加速させる。
  論文  参考訳（メタデータ） (2025-02-11T11:25:10Z)
• Unfolding Time: Generative Modeling for Turbulent Flows in 4D [49.843505326598596]
  本研究では,4次元生成拡散モデルと物理インフォームドガイダンスを導入し,現実的な流れ状態列の生成を可能にする。 提案手法は, 乱流多様体からのサブシーケンス全体のサンプリングに有効であることが示唆された。 この進展は、乱流の時間的進化を分析するために生成モデリングを適用するための扉を開く。
  論文  参考訳（メタデータ） (2024-06-17T10:21:01Z)
• Plasma Surrogate Modelling using Fourier Neural Operators [57.52074029826172]
  トカマク炉内のプラズマの進化を予測することは、持続可能な核融合の目標を実現するために不可欠である。 深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いた進化プラズマの正確な予測を実証する。 我々は、FNOが磁気流体力学モデルからシミュレーションされたプラズマ力学を予測する際に、従来の解法よりも6桁の速度を持つことを示した。 FNOは、MASTトカマク内のカメラで観測された実世界の実験データに基づいて、プラズマの進化を予測することもできる。
  論文  参考訳（メタデータ） (2023-11-10T10:05:00Z)
• Unsupervised Discovery of Inertial-Fusion Plasma Physics using Differentiable Kinetic Simulations and a Maximum Entropy Loss Function [77.34726150561087]
  プラズマ運動学3次元偏微分方程式の微分可能解法を作成し, 領域固有の目的関数を導入する。 我々はこの枠組みを慣性融合に関する構成に適用し、最適化プロセスが新しい物理効果を利用することを示す。
  論文  参考訳（メタデータ） (2022-06-03T15:27:33Z)

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。