本文章搜罗近几年在各大顶级期刊投稿的神经网络替代模型的文献，然后归纳总结神经网络做替代模型所使用的网络结构、数据类型和训练方法。
简单介绍
神经网络随着近几年的发展，在各个领域都方兴未艾，其在托卡马克磁流体领域的应用也颇为广泛。包括EPED1-NN、MISHKA-NN、EuroPED-NN等。与目前如日中天的大模型不同的是，神经网络替代模型一般强调的是与数理迭代相比，其耗时有数量级的优势。个人认为这些替代模型有着如下几个特点。
数据少（网络结构简单）
相比大模型可以从互联网上直接拉取大量的已有数据不同，实验数据都需要主动生产出来，因此数据量不在一个量级，自然网络结构也不再一个量级，因此网络结构自然简单。
标准不统一
相比其他领域的网络模型，如图像识别，人脸识别，文本生成，翻译等等，其他领域有着一套标准的数据集用来检测不同模型的效果。因此比较大的网络创新都会很快被发现并得到推广，如transformer、unet、diffusion等等。而等离子体领域并没有形成这样一个公共数据集标准，每个装置都有一套属于自己的数据集，因此应用网络结构呈现百花齐放的特点。通过与实验数据或实验装置结合、或与其他数值程序结果对比、或从耗时降低为出发点，来阐述自己的创新性。而自身的网络结构相比现在主流的网络结构呈现一定的落后。
实用性问题
由于托卡马克本质上是一个工程问题，而AI在托卡马克上的应用属于AI的落地项目的一种方式。类比其他AI形式，如何使AI可用并且能够替代原有方案是一个核心问题。这里给出几种可能与对应的优缺点：
- 基于实验数据的AI分析预测
- 优点：可以做到更快的速度。
- 缺点：由于数据量较少，实验参数的变化导致分析结果的可行性不一定可靠。
- 本质上是一种综合性的数据分析工具，跳过传统的数据处理过程直接给出结果。
- 基于数值模拟数据的AI分析预测
- 优点：相比数值模拟有更快的速度，数据量可以做到较大。
- 缺点：需要原数值模拟结果有足够的可信度，关键地方的数据需要仔细调优。
- 本质上是通过历史数值结果，让AI去猜下一次数值模拟的结果。
论文介绍
这里并不对论文内容作详细介绍（在其他页面），只对论文中神经网络的网络结构、数据来源、训练方式、和其优缺点分析。
EuroPED-NN
可供参考的论文：[1][2][3][4][5][6][7][8][9][10]。
参考文献
- Magnetic control of tokamak plasmas through deep reinforcement learning Nature 602(7897), 414–419 2022
- Neural network surrogate of QuaLiKiz using JET experimental data to populate training space Physics of Plasmas 28(3) 2021
- Fast modeling of turbulent transport in fusion plasmas using neural networks Physics of Plasmas 27(2) 2020
- Self-consistent core-pedestal transport simulations with neural network accelerated models Nuclear Fusion 57(8), 086034 2017
- Neural network model of the multi-mode anomalous transport module for accelerated transport simulations Nuclear Fusion 61(10), 106040 2021
- Hybrid deep-learning architecture for general disruption prediction across multiple tokamaks Nuclear Fusion 61(2), 026007 2020
- Predicting disruptive instabilities in controlled fusion plasmas through deep learning Nature 568(7753), 526–531 2019
- Neural-network accelerated coupled core-pedestal simulations with self-consistent transport of impurities and compatible with ITER IMAS Nuclear Fusion 61(2), 026006 2020
- Prediction of DIII-D pedestal structure from externally controllable parameters IEEE Transactions on Plasma Science 49(10), 3212–3227 2021
- EuroPED-NN: Uncertainty aware surrogate model Plasma Physics and Controlled Fusion 66(9), 095012 2024
好好好
哈哈哈哈