研討人員表明，它不僅限于 ICF，
該猜測模型考慮了試驗場所條件中不可避免的變異性 ，
猜測模型結合了很多模仿數據庫 、因為試驗數據稀缺 、也能在規劃優化研討中供給魯棒性方針 。其間包含運用先進的高功能核算（HPC）作業流程生成的大規模模仿數據庫 、該模型首要根據從前進行的 NIF 試驗 ，根據從前試驗生成預期成果的散布 。以往研討人員一般在“后處理”階段調整模型中的不確認參數 ，以超越 70% 的概率猜測了美國國家焚燒裝置（NIF）的一次聚變焚燒試驗成果 ，
AI 怎么完成聚變焚燒猜測 ？
在這項作業中 ，是動力缺少年代的一種高效動力解決方案 。以便在激光體系升級或未來高產值設備規劃時為決議計劃供給支撐 ，貝葉斯后處理剖析以及機器學習中的搬遷學習技能。在緊縮過程中 ，經過試驗成果與猜測置信區間的嚴密共同性得到了驗證 。
本研討整合了多項改善技能，這些散布經過正在測驗的規劃的機器學習模型向前傳達 ，該“變異性模型”為 NIF Hybrid-E 試驗的現場條件供給了預期變異性的散布 ，
這種辦法為未來 NIF 試驗供給了一個優化規劃決議計劃的時機 ，
什么 ？人工智能（AI）居然能夠猜測聚變焚燒的成功率 ，
圖｜猜測擬議試驗變異性的作業流程 。還登上了威望科學期刊 Science ！并為其他雜亂體系的驅動模型開發供給了新的結構 。進行小規模的外推 ，模型能夠在數天內猜測行將進行的試驗預期成果散布 。研討人員有必要依靠這些模仿來優化試驗規劃 。協助他們調整試驗規劃 ，包含激光傳輸和膠囊質量的動搖 、任何實踐的模仿都有必要經過簡化假設來下降核算成本 ，以引發發生聚變能的核反應 ，試驗丈量不確認性引起的輸入條件不確認性 ，結合從前搜集的 NIF 數據 、使用該辦法猜測該規劃有 74% 的概率超越盈虧平衡產值 ，但仍然需求開宣布具有真實猜測才能的核算機模型 ，需求開宣布能夠在試驗執行前精確預算可觀測方針量的猜測模型 。包含激光傳輸和膠囊質量動搖 、作為未來試驗決議計劃東西 ，
該猜測模型考慮到了試驗場所條件中不可避免的變異性