Scidown文献预览系统!
高能密度物理的数据驱动未来( The data-driven future of high-energy-density physics )
Peter W. Hatfield Jim A. Gaffney Gemma J. Anderson Suzanne Ali Ben Williams
高能量密度物理学是研究极高温度和密度下物质的物理学领域。这些条件产生了高度非线性的等离子体,其中几种通常可以相互独立处理的现象变得强烈耦合。对这些等离子体的研究对于我们理解天体物理、核聚变和基础物理都很重要--然而,这些极端物理系统中存在的非线性和强耦合使得它们在理论上很难理解,在实验上也很难优化。在这里,我们认为机器学习模型和数据驱动方法正在重塑我们对这些极端系统的探索过程,这些极端系统迄今证明对人类研究人员来说过于非线性。从根本角度来看,机器学习模型能够快速发现大型数据集中复杂交互的方式可以提高我们的理解。从实用的角度来看,最新一代的极端物理设备可以在一秒钟内进行多次实验(而不是每天进行),从而从基于人的控制转向基于诊断数据实时解释和物理模型更新的自动控制。为了充分利用这些新出现的机会,我们在研究设计、培训、最佳实践以及对综合诊断和数据分析的支持方面为社区提出建议。这一观点讨论了高能量密度物理学如何挖掘人工智能启发的算法的潜力,以提取相关信息,以及数据驱动的自动控制程序如何用于优化高重复率实验。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】