基于神经网络的托卡马克能量约束时间预测

使用机器学习理论中的神经网络方法,根据通用逼近原理对能量约束时间的复杂函数进行逼近,采用托卡马克装置的典型实验数据,设计一种组合结构的神经网络。通过大量的调参试验,给出一套性能最好的参数组合,并与传统幂指数形式的多元线性回归方法进行准确性和数据集迁移能力的比较。结果表明：神经网络模型对于能量约束时间的预测准确率更高,回归性能更好,且具有一定的抗噪声能力,更适合作为能量约束时间的定标或预测工具。     

环位形下鱼骨模驱动快离子输运的数值模拟研究

考虑包含动理学效应的鱼骨模结构,使用导心轨道程序 ORBIT,在磁面坐标下研究了不同的扰动模 幅度、频率对快离子再分布的影响,并分析了粒子与扰动发生共振的条件。模拟得出,鱼骨模扰动会使快离子在 实空间、相空间中发生再分布,芯部( ψ_p/ψ _w≤0.2 ,ψ_p 为极向磁通,ψ_w 为最后一个闭合磁面的磁通)快离子密 度下降约 20%,中间磁面位置上( ψ_p/ψ _w≥0.2,ψ_p/ψ _w≤ 0.6)的快离子密度增加约 7%;通过扫描频率发现,相空间中快 离子的再分布对模式频率敏感,并分析了快离子与鱼骨模扰动共振的条件。     

基于“ 以学生为中心”的计算物理 教学改革探索

“ 以学生为中心”的教育理论逐渐成为全世界越来越多教育工作者的共识. 通过计算物理课程教学实 践过程, 基于以“ 学生为中心”的教育理念, 从教学内容、 教学方法、 培养体系3个方面进行探索, 探讨有效调动学生 学习积极性、 激发学生主观能动性的具体方法, 为提高本课程教学质量提供了参考和借鉴