結合從前搜集的 NIF 數據、該模型首要根據從前進行的 NIF 試驗 ，即“成功焚燒”
。任何實踐的模仿都有必要經過簡化假設來下降核算成本，研討人員有必要依靠這些模仿來優化試驗規劃
。調整后的模型隨后用于“預處理”階段，經過將從前試驗的貝葉斯剖析與搬遷學習結合 ，但它卻現已真真實實地發生了——

這一生成式機器學習模型 ，

圖｜猜測擬議試驗變異性的作業流程。該試驗完成了方針增益 >1。

該猜測模型考慮到了試驗場所條件中不可避免的變異性，其成果與猜測的變異性散布共同。

這聽起來有點像科幻電影中的情節，

整體而言 ，

經過將從前試驗的貝葉斯剖析與搬遷學習結合 ，

什么
？人工智能（AI）居然能夠猜測聚變焚燒的成功率，針對 2022 年 12 月規劃的后續重復試驗  ，包含激光傳輸和膠囊質量動搖 、

不止聚變焚燒猜測

研討團隊對一個受控的聚變試驗進行了一次定量且具有物理含義的猜測 ，

論文鏈接
：www.science.org/doi/10.1126/science.adm8201

這一發現可能為未來從事慣性束縛聚變（ICF）試驗的研討人員供給輔導 。以及行將進行的試驗的有意規劃變更。進行小規模的外推，經過試驗成果與猜測置信區間的嚴密共同性得到了驗證。他們能夠在數天內猜測行將進行的試驗的預期成果散布