Reti Neurali Informate dalla Fisica Migliorano la Ricostruzione della Modalità ITG nei Tokamak

Un recente preprint su arXiv (2608.01850) presenta un approccio basato su reti neurali informate dalla fisica (PINN) volto a scoprire autofrequenze complesse e a ricostruire campi modali complessi bidimensionali associati al ramo del gradiente di temperatura ionica (ITG) all'interno del pedistallo a gradiente ripido dei tokamak in modalità di confinamento elevato. Questa zona del pedistallo svolge un ruolo vitale nel confinamento del plasma e nel trasporto al bordo, richiedendo l'identificazione simultanea di autofrequenze e strutture modali per un'analisi efficace delle onde di deriva ITG. Il framework affronta sfide come oscillazioni localizzate ad alta frequenza, significativo accoppiamento reale-immaginario e interazioni non lineari tra campi modali e autofrequenze. Utilizzando la codifica delle caratteristiche di Fourier, la propagazione di caratteristiche a valori complessi e un regime di addestramento in tre fasi, facilita soluzioni congiunte anche con osservazioni limitate e vincoli fisici, potenzialmente migliorando la modellazione predittiva nei dispositivi a fusione.