EuroPED-NN: Uncertainty aware surrogate model

要約

この研究では、JET-ILW ペデスタル データベースとその後のモデル評価からのデータを使用して、EuroPED プラズマ ペデスタル モデルのノイズ対比事前 (BNN-NCP) 手法を備えたベイジアン ニューラル ネットワークを介して、不確実性を認識したサロゲート モデルを生成することに成功しました。
これらはすべて EuroPED-NN に準拠しています。
BNN-NCP 手法は、不確実性を認識したサロゲート モデルに適していることが証明されており、出力結果を通常のニューラル ネットワークとして照合し、予測の信頼性を不確実性として提供し、サロゲート モデルの不確実性を使用して分布外 (OOD) 領域を強調表示します。
これにより、モデルの堅牢性と信頼性に関する重要な洞察が得られます。
EuroPED-NN は物理的に検証されており、最初にプラズマ電流 $I_p$ の増加に対する電子密度 $n_e\!\left(\psi_{\text{pol}}=0.94\right)$ を分析し、次に検証を行っています。
EuroPED モデルに関連付けられた $\Delta-\beta_{p,ped}$ 関係。
サロゲート モデルによって学習された基礎となる物理学の堅牢性を確認します。

要約(オリジナル)

This work successfully generates uncertainty aware surrogate models, via the Bayesian neural network with noise contrastive prior (BNN-NCP) technique, of the EuroPED plasma pedestal model using data from the JET-ILW pedestal database and subsequent model evaluations. All this conform EuroPED-NN. The BNN-NCP technique is proven to be a good fit for uncertainty aware surrogate models, matching the output results as a regular neural network, providing prediction’s confidence as uncertainties, and highlighting the out of distribution (OOD) regions using surrogate model uncertainties. This provides critical insights into model robustness and reliability. EuroPED-NN has been physically validated, first, analyzing electron density $n_e\!\left(\psi_{\text{pol}}=0.94\right)$ with respect to increasing plasma current, $I_p$, and second, validating the $\Delta-\beta_{p,ped}$ relation associated with the EuroPED model. Affirming the robustness of the underlying physics learned by the surrogate model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google