Feasibility of fast predicting input-free parameters of EMC3-EIRENE using 
machine learning

Luo, Y.; Xu, S.; Liang, Y.; Wang, E.; Cai, J.; Feng, Y.; Reiter, D.; Knieps, A.; Brezinsek, S.; Harting, D.; Krychowiak, M.; Dinklage, A.; W7-X Team, Max Planck Institute for Plasma Physics, Max Planck Society

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Vortrag

Feasibility of fast predicting input-free parameters of EMC3-EIRENE using machine learning

MPG-Autoren

/persons/resource/persons109074

Feng, Y.
Stellarator Theory (ST), Max Planck Institute for Plasma Physics, Max Planck Society;

/persons/resource/persons109720

Krychowiak, M.
Stellarator Heating and Optimisation (E3), Max Planck Institute for Plasma Physics, Max Planck Society;

/persons/resource/persons108944

Dinklage, A.
Stellarator Heating and Optimisation (E3), Max Planck Institute for Plasma Physics, Max Planck Society;

Externe Ressourcen

Es sind keine externen Ressourcen hinterlegt

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Luo, Y., Xu, S., Liang, Y., Wang, E., Cai, J., Feng, Y., et al. (2024). Feasibility of fast predicting input-free parameters of EMC3-EIRENE using machine learning. Talk presented at 11th International Workshop on "Stochasticity in Fusion Plasmas (SFP)" – 3D Physics in Stellarators and Tokamaks. Bad Honnef. 2024-04-15 - 2024-04-17.

Zitierlink: https://hdl.handle.net/21.11116/0000-000F-32F1-8

Zusammenfassung

Es ist keine Zusammenfassung verfügbar