Modelo de red neuronal bayesiana en la exploración física de plasmas de fusión

Abstract

Dentro de las descargas de plasma relevantes para la fusión, la altura y el ancho del “pedestal” del plasma son factores cruciales que afectan a la potencia en escenarios de alto rendimiento. Debido a los complejos procesos magnetohidrodinámicos en estas condiciones de plasma, la predicción computacional de estas cantidades requiere mucho tiempo y es muy sensible a los parámetros de entrada. Una herramienta para calcular estas cantidades es el modelo EuroPED, que combina cálculos simplificados de estabilidad MHD y estimaciones de transporte para obtener una solución autoconsistente. Este proyecto intenta tanto acelerar el modelo como evaluar la sensibilidad de sus predicciones, utilizando una red neuronal bayesiana, específicamente el modelo de contraste con ruido (“Bayesian Neural Network Noise Contrastive Prior”, BNN-NCP). La red BNN se entrena en una preexistente base de datos que contiene entradas y salidas de EuroPED. Una vez entrenado y probado, se puede utilizar junto con datos experimentales adicionales para evaluar la integridad del modelo EuroPED, lo que podría proporcionar una visión más profunda de la rica y en gran parte inexplorada física detrás del pedestal del plasma