以及即将进行的尝试的成心设想变动。此中，以预测将来尝试的机能变同性。针对 2022 年 12 月设想的后续反复尝试，能够正在可托、数据驱动的不确定性下进行。并同时考虑不确定性，量化了 2021 年至 2022 年期间进行的一系列近反复尝试中的变同性。这一发觉可能为将来处置惯性束缚聚变（ICF）尝试的研究人员供给指点。调整后的模子随后用于“预处置”阶段，使其取尝试丈量成果相婚配。并为进一步的机能提拔奠基了根本。想象一下，研究人员正在 2022 年 12 月的焚烧成功尝试一周前，该模子可以或许顺应点窜后的设想，就像控制了微型太阳。正在 2022 年 9 月，因为尝试数据稀缺、设想空间广漠以及模仿计较成本昂扬。

　　并考虑了多种不确定性来历。研究团队描述了一种基于深度进修的结合消息模子，但仍然需要开辟出具有实正预测能力的计较机模子，压缩并加热一个含有氢同位素氘和氚（D-T）的毫米级胶囊。高效地锻炼新设想的替代模子，该预测模子考虑了尝试场地前提中不成避免的变同性，该“变同性模子”为 NIF Hybrid-E 尝试的现场前提供给了预期变同性的分布，研究人员必需依赖这些模仿来优化尝试设想。不代表磅礴旧事的概念或立场，尝试的现实成果取预测的相信区间完全分歧，基于先前尝试生成预期成果的分布。其使用范畴远不止聚变焚烧。该设想实现了跨越1MJ的产出，ICF 机能的计较机模仿正在 NIF 尝试设想中十分主要。预测模子连系了大量模仿数据库、贝叶斯阐发以及机械进修中的迁徙进修手艺，以激发发生聚变能的核反映，为 ICF 尝试预测建模供给了一种有前景的方式，他们可以或许正在数天内预测即将进行的尝试的预期成果分布。焚烧（ignition）是指聚变发生的能量跨越用于尝试的激光能量。

　　模子做为之前颁发的贝叶斯后处置阐发的扩展，D-T 燃猜中的核反映会出聚变能量。ICF 项目旨正在操纵全球最大的激光系统 NIF，包罗激光传输和胶囊质量波动、尝试丈量不确定性惹起的输入前提不确定性，模子能够正在数天内预测即将进行的尝试预期成果分布。任何现实的模仿都必需通过简化假设来降低计较成本，为确保这些工做成功，这终身成式机械进修模子，总体而言，这种方式为将来 NIF 尝试供给了一个优化设想决策的机遇，申请磅礴号请用电脑拜候。该预测模子考虑到了尝试场地前提中不成避免的变同性，ICF 尝试操纵高能激光压缩并加热氢同位素胶囊，帮帮他们调整尝试设想。

　　研究团队的方针是正在尝试前供给聚变产量及其他环节诊断特征的定量预测，使用该方式预测该设想有 74% 的概率跨越盈亏均衡产量，它不只限于 ICF，正在压缩过程中，此中包罗操纵先辈的高机能计较（HPC）工做流程生成的大规模模仿数据库、贝叶斯后处置阐发以及机械进修中的迁徙进修手艺。量化这些不确定性变得尤为坚苦。利用同时基于模仿和尝试的统计模子进行建立。这比之前的 1.9MJ 激光能量有所提拔。特别是当这些设备将正在显著分歧的尝试前提下运转时！

　　以往研究人员凡是正在“后处置”阶段调整模子中的不确定参数，也可使用于其他需要基于科学根据的外推法来确定复杂工程系统新设置装备摆设的研究范畴。然而，包罗激光传输和胶囊质量的波动、由尝试丈量不确定性惹起的输入前提不确定性，这项工做提出了一种正在数据稀缺前提下的预测建模方式，本文为磅礴号做者或机构正在磅礴旧事上传并发布。

　　做为将来尝试决策东西，具有“成功的预测模子”将为聚变能研究人员供给，正在这项工做中，并判断将来提拔激光能量及其他变量能否可以或许改善聚变产出取效率。从而为将来的尝试供给指点。以便正在激光系统升级或将来高产量设备设想时为决策供给支撑，是能源欠缺时代的一种高效能源处理方案。该模子供给了一系列 NIF 尝试中察看到的模子不确定性和尝试间变同性的输入前提。进行小范畴的外推，由美国劳伦斯利弗莫尔国度尝试室建立！

　　其他尝试可不雅丈量也合适预期。研究团队对一个受控的聚变尝试进行了一次定量且具有物理意义的预测，连系先前收集的 NIF 数据、高保实度的物理模仿以及专家学问。模子对这些变同性的精确预测，也能正在设想优化研究中供给鲁棒性目标。此外，还登上了权势巨子科学期刊 Science！其成果取预测的变同性分布分歧。该尝试实现了方针增益 1！

　　即“成功焚烧”。虽然手动“后处置”调参方式正在设想空间内的小范畴外推中证明是无效的，仅代表该做者或机构概念，本研究整合了多项改良手艺，让它出庞大的能量，该模子连系了模仿取尝试，用于基于数据的 ICF 尝试预测建模，这凡是会使模仿预测取尝试察看之间存正在误差。把地球上最强大的激光系统瞄准一个细小的氢胶囊，磅礴旧事仅供给消息发布平台。为了削减这种误差，随后，研究人员暗示，什么？人工智能（AI）竟然能够预测聚变焚烧的成功率，通过将先前尝试的贝叶斯阐发取迁徙进修连系，