代理模型官方认证

PINN 物理信息平衡重建网络

将 Grad-Shafranov 方程残差作为软约束嵌入损失函数的物理信息神经网络,由稀疏磁测量重建磁通面。

发起对比
0 浏览0 收藏2026-09-21 收录

AI 摘要

将 Grad Shafranov 方程残差作为软约束嵌入损失函数的物理信息神经网络,由稀疏磁测量重建磁通面。

  • 将 Grad Shafranov 方程残差作为软约束嵌入损失函数的物理信息神经网络,由稀疏磁测量重建磁通面。

结构化信息

网络框架
PINN
代理任务
平衡重建
物理主题
平衡重建
Grad-Shafranov
物理约束
训练数据
W7-X/EAST 平衡样本(DESC/EFIT 生成)
关键精度指标
磁面 IoU
0.972
磁轴误差
3.2 mm
加速比/推理耗时
比传统迭代快 50 倍
适用装置
EAST
W7-X
语言/框架
Python / JAX
许可
MIT(示例)
开发单位
聚界 FusionNexus 示例

输入说明

磁探针/磁通环测量 + 边界约束

输出说明

极向磁通 ψ(R,Z) 网格

围绕此资源交流

关联的问题与实践文章会汇集在这里。

尚无关联问题,欢迎提出真实使用中的疑问。

评论 (0)