ランナウェイ電子なだれ成長率の物理制約付き深層学習代替モデル

磁気融合プラズマにおけるランナウェイ電子なだれ成長率の代替モデルが開発されました。これは、相対論的フォッカー＝プランク方程式の共役に対するパラメトリック解を学習するために、物理情報に基づいたニューラルネットワーク（PINN）を使用することで実現されます。その結果得られたPINNは、合成データや実験データが存在しない状況下で、広範囲のパラメータにわたるランナウェイ確率関数を評価することができます。この代替モデルは、電場、シンクロトロン放射および有効電荷の関数としてのなだれ成長率を推測するために使用されます。なだれPINNの予測は、広範囲のパラメータにわたる非常に良好な一致が観察される第一原理計算のなだれ成長率と比較されます。