כתבה
arXiv cs.LG ·
מודל סורוגט של VAE להסתגלות טורבולנציה פלזמה
A Pre-trained Variational Autoencoder for Gyrokinetic Plasma Turbulence Surrogate Modeling
מודל סורוגט של VAE להסתגלות טורבולנציה פלזמה. המאמר מציג מודל סורוגט של VAE שמשתמש במודלי תמונה של Stable Diffusion להסתגלות טורבולנציה פלזמה. המודל משתמש בפונקציית הטרנספורמציה של Fourier כדי לשמור על דיוק ספקטרלי בכל הסקאלות.
תקציר מקורי באנגליתarXiv:2609.38438v1 Announce Type: cross Abstract: Machine learning surrogate models offer a promising path toward accelerating plasma turbulence simulations. We present PreVAE-Turb, a surrogate modeling framework that leverages pre-trained variational autoencoders (VAEs) from the Stable Diffusion image generation model for efficient spatial compression of turbulence fields. The pre-trained VAE is fine-tuned on turbulence data using a physics-informed loss function that includes a spectral loss operating in Fourier space to enforce spectral accuracy across scales. The VAE is combined with convolutional long short-term memory (ConvLSTM) networks to learn temporal dynamics in latent space, with a manifold consistency error metric that monitors encode--decode consistency during autoregressive
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית