プラズマにおける不確実性定量化のためのテンソルニューラルサロゲート

本論文は、プラズマシミュレーションにおける不確実性定量化（UQ）の計算コストが高い問題に取り組み、特にVlasov-Poisson-Landau（VPL）システムに焦点を当てています。著者は、高価なLandau衝突項の評価を置き換えるために、分散削減モンテカルロ法とテンソルニューラルネットワークサロゲートを組み合わせた新しいアプローチを提案しています。これは、高次元位相空間、マルチスケール剛性、および複雑な物理システムにおけるUQに関連する計算コストという課題に対処するため、重要です。物理学に基づいたニューラルネットワークと漸近的に保存される設計の使用は、この方法の精度と効率をさらに高めます。

• •Vlasov-Poisson-Landau（VPL）システムにおける不確実性定量化のための分散削減モンテカルロフレームワークを提案。
• •高価なLandau衝突項の評価を置き換えるために、テンソルニューラルネットワークサロゲートを採用。
• •精度と効率を向上させるために、物理学に基づいたニューラルネットワークと漸近的に保存される設計を利用。
• •数値実験において、大幅な分散削減、正確な統計、および短い壁時計時間を実証。