論文の概要: IGNITE Tokamak World Model Architecture
- arxiv url: http://arxiv.org/abs/2610.02515v1
- Date: Thu, 01 Oct 2026 21:37:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.094497
- Title: IGNITE Tokamak World Model Architecture
- Title（参考訳）: IGNITE トカマク世界モデルアーキテクチャ
- Abstract要約: IGNITEは10年以上の実験データから,核融合プラズマシミュレーション訓練のための生成的世界モデルである。
IGNITEの中核は、与えられたアクチュエータ軌道の集合からのDIII放電をシミュレートできるダイナミクスモデルである。
バックボーンは、DIII-D放電全体を予測する能力を持つ自己回帰力学モデルで構成されている。
- 参考スコア（独自算出の注目度）: 3.586358718485339
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce IGNITE, a generative world foundation model for fusion plasma behavior simulation trained in a self-supervised manner from over a decade of unlabeled experimental data at the DIII-D National Fusion Facility. The core of IGNITE is a dynamics model that can simulate DIII-D discharges from a given set of actuator trajectories. These trajectories can be supplied or generated on-the-fly from a textual prompt or from desired experimental outcomes. The model architecture consists of several spatio-temporal tokenizers that embed the different input modalities, including time-series like spatio-temporal measurement data, image sequences, and high-resolution spectrograms, each of which collected at vastly different time scales. The backbone is composed of an auto-regressive dynamics model that has the capacity to predict entire DIII-D discharges given initial latent plasma states and actuator trajectories over a theoretical infinite horizon. IGNITE paves the way towards efficient AI-driven experimental planning and world modeling for nuclear fusion.
- Abstract（参考訳）: 我々は,DIII-D国立核融合施設における10年以上の未ラベル実験データから,自己指導で訓練された核融合プラズマ挙動シミュレーションのための生成的世界基盤モデルIGNITEを紹介する。
IGNITEの中核は、与えられたアクチュエータ軌道の集合からのDIII-D放電をシミュレートできるダイナミクスモデルである。
これらのトラジェクトリは、テキストプロンプトや望ましい実験結果から、オンザフライで供給または生成することができる。
モデルアーキテクチャは、時空間計測データ、画像シーケンス、高分解能スペクトログラムなどの時系列を含む、異なる入力モードを組み込んだ複数の時空間トークン化器で構成され、それぞれが全く異なる時間スケールで収集される。
バックボーンは自己回帰力学モデルから成り、初期潜伏プラズマ状態が与えられたDIII-D放電と、理論的無限水平線上のアクチュエータ軌道を予測できる能力を持つ。
IGNITEは、効率的なAI駆動の実験計画と核融合のための世界モデリングへの道を開く。
関連論文リスト
- KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding [58.541098216700796]
エンボディド・ワールド・モデルの 物理的整合性を評価することは 重要なオープン・チャレンジです
既存のフレームワークはほとんどがアクション抽出に逆ダイナミクスモデル(IDM)に依存している。
IDMのないEWMのためのクローズドループベンチマークであるKineBenchを紹介する。
論文 参考訳（メタデータ） (2026-07-22T08:04:17Z) - Reduced-Order Models: The Mother of World Models [0.12062777974093623]
世界モデルは、行動条件付き予測と計画をサポートする環境の潜在表現を圧縮する。
本稿では,世界モデルの機能解剖が数十年前に独立に開発され,展開され,分析されたことを論じる。
我々は、失敗できないシステムに世界モデルをデプロイする際の際立った障害は、予測の忠実さではなく、検証可能性であると主張している。
論文 参考訳（メタデータ） (2026-07-03T11:05:06Z) - Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - MORPH: Shape-agnostic PDE Foundation Models [37.26306668589026]
MORPHは偏微分方程式(PDE)の形状に依存しない自己回帰基底モデルである
様々なデータ次元(1D--3D)の不均一な評価をシームレスに処理する畳み込み視覚バックボーン上に構築されている。
広範なデータセット全体にわたって、MORPHは強力なベースラインと最近の最先端モデルにマッチするか、超えている。
論文 参考訳（メタデータ） (2025-09-25T22:38:36Z) - 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) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z)
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。