Mars atmosferinin təxminən %95-ni təşkil edən karbon dioksidin (CO₂) yerində resurs istifadəsi (In Situ Resource Utilization, ISRU) çərçivəsində oksigen və karbon tərkibli məhsullara çevrilməsi gələcək insanlı və robotik Mars missiyaları üçün mühüm tədqiqat sahələrindən biridir. Radio-tezlikli (RF) termal olmayan plazmalar bütün qazı yüksək temperaturlara qaldırmadan enerjili elektronlar vasitəsilə CO₂ molekullarını titrəyişlə həyəcanlandırmağa, ionlaşdırmağa və parçalamağa imkan verir. Lakin onlarla kimyəvi növ və yüzlərlə reaksiya ehtiva edən yüksək dəqiqlikli plazma modellərində hər yeni reaktor həndəsəsinin yenidən həlli saatlar, hətta onlarla saat tələb edə bilər. Bu tədqiqat elektrodlararası məsafə dəyişdikdə Mars şəraitində RF CO₂ plazmasının tam məkan-zaman davranışını ani şəkildə proqnozlaşdırmaq məqsədilə Deep Operator Network (DeepONet) əsaslı surrogate model hazırlayır. DeepONet elektrodlararası məsafədən 26 hissəcik növünün sıxlığını, elektrik sahəsini və elektron temperaturunu daxil etməklə ümumilikdə 28 fiziki sahəni öyrənir. Təlim məlumatları 4.5 Torr, 210 K, 13.56 MHz və 10 W/cm² şəraitində doğrulanmış axın modeli əsasında yaradılmışdır. Ənənəvi axın həlli yeni həndəsə üçün saatlar/onlarla saat tələb etdiyi halda, öyrədilmiş model eyni fiziki sahələri bir saniyədən qısa müddətdə proqnozlaşdıra bilir. Elektron sıxlığı üçün təlim sahəsində səhvlər təxminən \(10^{-5}\), yaxın ekstrapolyasiyalarda isə \(10^{-4}\) mərtəbəsindədir. Fiziki təhlil göstərir ki, elektrodlararası məsafə artdıqca elektron sıxlığı və CO/O/O₂ istehsalı artır; maksimum elektrik sahəsi və elektron temperaturu azalır; sheath quruluşu və titrəyişlə həyəcanlanmış CO₂ populyasiyaları dəyişir. Nəticələr göstərir ki, DeepONet Mars üçün plazma dəstəkli CO₂ çevirmə reaktorlarının sürətli həndəsi skan edilməsi və optimallaşdırılmasında yüksək dəqiqlikli plazma həllərini müəyyən parametr qonşuluğunda əvəz edə bilən sürətli surrogate alət təqdim edir; lakin uzaq ekstrapolyasiyalar və eyni vaxtda dəyişən təzyiq, güc, tezlik və ya axın şərtləri hələ doğrulanmayıb.

Marsda Yerdən daşınan oksigen və yanacaq miqdarını azaltma yollarından biri planetin mövcud atmosferindən xammal kimi istifadə etməkdir. Mənbə tədqiqata görə Mars atmosferinin həcmcə təxminən %95-i CO₂-dir. Buna görə CO₂-nin O₂ və CO kimi məhsullara çevrilməsi həyat təminatı, oksidləşdirici istehsalı və daha sonrakı yanacaq sintezləri baxımından ISRU sistemlərinin əsas namizədlərindən biridir.

Tədqiqat reqolit üzərindən katalitik çevrilmə, Sabatier reaksiyası, elektrokimyəvi CO₂ reduksiyası və yüksək temperaturlu bərk oksid elektrolizi kimi alternativləri xatırladarkən termal olmayan plazmanın əsas üstünlüyünün enerji paylanmasında olduğunu vurğulayır. Termal olmayan plazmada elektronlar yüksək enerji qazana bildiyi halda ağır qaz hissəciklərinin hamısının eyni dərəcədə qızdırılması lazım deyil. Beləliklə enerjili elektronlar CO₂-nin güclü rabitələrini ionlaşma, titrəyişlə həyəcanlanma və dissosiasiya prosesləri vasitəsilə aktivləşdirə bilər.

Marsda RF CO₂ Plazması Niyə Maraqlıdır?

RF CO₂ plazması Marsın təxminən 4.5 Torr təzyiq və 210 K temperaturla təmsil olunan aşağı təzyiqli mühitində bütün qazı termal olaraq həddən artıq qızdırmadan CO₂ molekullarını enerjili elektronlarla aktivləşdirə bildiyi üçün maraqlıdır. RF boşalmasının, xüsusilə α-rejimində, nisbətən geniş və vahid plazma bölgəsi yarada bilməsi elektrodlararası məsafə kimi həndəsi parametrləri dəyişdirərək CO₂ dissosiasiya kimyasının optimallaşdırılmasına imkan verir.

Axın modelinin fiziki əhatəsi

Tədqiqatın fiziki ground-truth məlumatları birölçülü və öz-uyğun plazma axın modelindən əldə edilmişdir. Model növ davamlılıq tənlikləri, yüklü hissəciklər üçün sürüklənmə-diffuziya yanaşması, elektrik sahəsi üçün Poisson tənliyi və elektron temperaturunu müəyyən etmək üçün elektron enerji tənliyindən ibarətdir.

Əsas metod izahında bu 26 növün 278 elementar reaksiya ilə bir-birinə bağlandığı qeyd olunur. Bununla belə, məqalənin Conclusion bölməsində bir dəfə “21 species and 268 reactions” ifadəsi işlədilir. Bu ifadə Table I və ətraflı metod izahı ilə uyğun gəlmir. Burada metod və açıq növ cədvəli ilə dəstəklənən 26 növ/278 reaksiya quruluşu əsas götürülmüş, nəticə bölməsindəki fərq mənbədaxili uyğunsuzluq kimi saxlanılmışdır.

Əsas davamlılıq və daşınma tənlikləri

Elektron, ion və neytral növlərin say sıxlığı balansı:

\[ \frac{\partial N_{e,i,n}(x,t)}{\partial t} + \frac{\partial \Gamma_{e,i,n}(x,t)}{\partial x} = S_{e,i,n}(x,t) \tag{1} \]

şəklindədir. Burada \(N\) say sıxlığını, \(\Gamma\) hissəcik axınını, \(S\) isə kimyəvi reaksiyalar nəticəsində yaranan xalis mənbə terminini təmsil edir.

Elektron və ionların elektrik sahəsinin təsiri altında sürüklənmə-diffuziya axını:

\[ \Gamma_{e,i}(x,t) = \mp\mu_{e,i}E(x,t)N_{e,i}(x,t) - D_{e,i}\frac{\partial N_{e,i}(x,t)}{\partial x} \tag{2} \]

ilə hesablanarkən, yüksüz növlərdə elektrik sürüklənməsi olmadığından:

\[ \Gamma_n(x,t) = -D_n\frac{\partial N_n(x,t)}{\partial x} \tag{3} \]

istifadə olunur.

Elektrik sahəsi fəza yükü vasitəsilə Poisson tənliyi ilə müəyyən edilir:

\[ \frac{\partial E(x,t)}{\partial x} = \frac{e}{\varepsilon_0} \left[ N_i(x,t)-N_e(x,t) \right]. \tag{4} \]

Elektron enerji balansı isə elektronların daşınmasını, elektrik sahəsindən qazandıqları enerjini, kimyəvi reaksiyalara ötürülən enerjini və elektron-ağır hissəcik toqquşmalarındakı enerji dəyişməsini birlikdə ehtiva edir:

\[ \frac{\partial [N_e(x,t)\bar{\varepsilon}]}{\partial t} + \frac{\partial}{\partial x} \left[ \frac{5}{3}\bar{\varepsilon}\Gamma_e - \frac{5}{3} \frac{\partial}{\partial x} (\bar{\varepsilon}N_e)D_e \right] + e\Gamma_e\cdot E = -\sum_j \Delta E_jR_j - 3\frac{m_e}{m_g}k_{el}k_B(T_e-T_g). \tag{5} \]

Elektrodlarda hissəcik və elektron enerjisi üçün axın sərhəd şərtləri tətbiq edilmiş, ikincili elektron emissiya əmsalı 0.03 götürülmüş və həyəcanlanmış növlərin səthdə söndürülməsi nəzərə alınmışdır.

RF güc nəzarəti

Boşalma cərəyanı:

\[ I(t)=I_0\sin(2\pi ft) \]

kimi müəyyən edilmişdir. Tədqiqatda əsas idarəetmə parametri cərəyan amplitudası deyil, hədəf giriş gücüdür. İstənilən \(P_0\) gücünü saxlamaq üçün cərəyan amplitudası hər iterasiyada:

\[ I_0^{(n+1)} = I_0^{(n)} + \lambda \left( P_0+P^{(n)} \right) \tag{6} \]

əlaqəsi ilə yenilənmiş və \(\lambda=0.0005\) götürülmüşdür. Mənbədə güc:

\[ P = f\int_{t_0}^{t_0+T} I(t)V(t)\,dt \tag{7} \]

ilə hesablanır.

Axın modelinin eksperimental doğrulanması

Mənbənin Figure 1-i müxtəlif xüsusi enerji girişlərində CO₂ çevrilməsi və enerji səmərəliliyini eksperimental ölçmələrlə axın modeli arasında müqayisə edir. Hesablanmış əyrilərin təcrübə məlumatlarına yaxın getməsi DeepONet təlimində istifadə ediləcək axın modelinin fiziki əsasını təmin edir.

Figure 2-də 13.56 MHz və sabit 10 W/cm² güc altında elektrodlararası məsafə təxminən 0.13 cm-dən 0.32 cm-ə artırıldıqda RF gərginlik amplitudası təxminən 280 V-dan 330 V-a yüksəlir, cərəyan sıxlığı isə təxminən 81-dən 67 mA/cm²-yə düşür. Mənbə bunu daha geniş boşalma həcmi və artan effektiv plazma impedansı ilə izah edir.

DeepONet Bu Plazma Problemində Nəyi Öyrənir?

DeepONet burada ayrı-ayrı əvvəlcədən müəyyən edilmiş plazma həllərini əzbərləmək əvəzinə elektrodlararası məsafə \(g\) ilə istənilən məkan-zaman koordinatındakı plazma həlli \(U(x,t)\) arasındakı həll operatorunu öyrənir. Branch şəbəkəsi həndəsəni, trunk şəbəkəsi isə davamlı \(x,t\) koordinatlarını kodlaşdırır; bu iki təsvir birləşdirildikdə əvvəllər görülməmiş elektrod məsafələrində belə 28 fiziki sahənin dəyərləri birbaşa hesablana bilər.

Öyrənilməsi nəzərdə tutulan operator:

\[ G:g\longrightarrow U(x,t) \]

formasındadır. DeepONet-in branch şəbəkəsi elektrodlararası məsafəni \(g\) qəbul edərək:

\[ [b_1,b_2,\ldots,b_q]^T \]

gizli xüsusiyyət vektoru yaradır. Trunk şəbəkəsi isə davamlı koordinatları:

\[ y=(x,t) \]

qəbul edərək:

\[ [t_1,t_2,\ldots,t_q]^T \]

məkan-zaman baza funksiyalarını öyrənir. Bir fiziki sahənin proqnozu:

\[ G(g)(x,t) \approx \sum_{k=1}^{q} b_k(g)t_k(x,t)+b_0 \tag{8} \]

kimi hesablanır.

Bu arxitekturada branch şəbəkəsi həndəsənin həll üzərindəki əmsallarını dəyişdirir, trunk şəbəkəsi isə plazmanın fəza profilini və RF dövründəki zaman salınımlarını təmsil edir. Tədqiqatın əsas fərqi eyni arxitektura daxilində 28 əlaqəli fiziki dəyişənin vektor qiymətli sahələr kimi proqnozlaşdırılmasıdır.

Təlim məlumat dəsti

Əsas təlim məlumatlarının yaradılmasında elektrodlararası məsafə:

\[ g=0.15,\ 0.16,\ldots,0.30\ \mathrm{cm} \]

aralığında 0.01 cm addımlarla skan edilmişdir. RF tezliyi 13.56 MHz, güc 10 W/cm², qaz təzyiqi 4.5 Torr və qaz temperaturu 210 K sabit saxlanılmışdır.

İtki funksiyası axın modelinin ground-truth sahələri ilə DeepONet proqnozu arasındakı orta kvadrat xətadır:

\[ L_{MSE} = \frac{1}{N_{samples}} \sum_{j=1}^{N_{samples}} \left| G_\theta^{(j)}(x,t) - \hat G_\theta^{(j)}(x,t) \right|^2. \tag{9} \]

Grid-dən Müstəqillik Niyə Vacibdir?

Grid-dən müstəqillik və ya discretization invariance öyrədilmiş DeepONet-in həlli yalnız təlimdə istifadə edilən 400 düyünlü diskret grid üzərində deyil, istənilən digər məkan-zaman ayırdetməsində də qiymətləndirə bilməsi deməkdir. Bu xüsusiyyət elektrod sheath-i kimi çox kəskin qradiyentlərin daha incə grid-lərlə araşdırılmasına, yeni reaktor miqyaslarında yenidən grid qurub bütün axın modelini təkrar həll etmədən yüksək ayırdetməli plazma sahələrinin yaradılmasına imkan verir.

Mənbənin Figure 4-də təlimdə birbaşa iştirak etməyən 0.31 cm elektrodlararası məsafə üçün elektron sıxlığı 100×100, 300×300 və 600×600 məkan-zaman ayırdetmələrində yenidən qurulmuşdur. Hər üç ayırdetmədə RF sheath salınımları və quasi-neutral bulk plazma bölgəsinin əsas quruluşu qorunur.

Bu nəticə DeepONet-in yalnız müəyyən ölçülü təsvirəbənzər məlumat tensorlarını uyğunlaşdırmadığını, trunk şəbəkəsində davamlı koordinat funksiyaları öyrəndiyini dəstəkləyən əsas sübutlardan biridir.

Tədqiqatın Metodu və Nəticələri

0.31 cm elektrodlararası məsafədə plazma quruluşu

DeepONet-in görülməmiş həndəsəni fiziki olaraq yenidən qurma qabiliyyəti əvvəlcə 0.31 cm məsafədə təhlil edilmişdir. Figure 5-də zaman üzrə orta müsbət və mənfi yük sıxlıqları boşalmanın mərkəzində zəngvari paylanma yaradır və təxminən:

\[ 1.6\times10^{12}\ \mathrm{cm^{-3}} \]

pik sıxlığa çatır. Elektrodların yaxınlığında müsbət yük sıxlığı mənfi yükdən nəzərəçarpacaq dərəcədə yüksəkdir; bu hal fəza-yük sheath-ini və güclü elektrik sahəsini yaradır.

Zaman üzrə orta profilin sheath bölgəsində elektrik sahəsi təxminən 3.5 kV/cm, elektron temperaturu isə sheath–bulk sərhədinə yaxın təxminən 7 eV pik göstərir. Bu dəyərlər Figure 11-də verilən RF dövründə maksimum elektrik sahəsi və maksimum elektron temperaturu ilə eyni metrik deyil; zaman üzrə orta profil ilə zaman daxilindəki mütləq maksimumlar bir-birindən fərqləndirilməlidir.

CO₂ dissosiasiya məhsulları

0.31 cm üçün Figure 6-da CO və atomik O dominant dissosiasiya məhsullarıdır. Maksimum sıxlıqlar təxminən:

CO və O-nun mərkəzdə toplanması bulk plazmada yüksək elektron sıxlığının olduğu bölgələrdə elektron toqquşmalı dissosiasiyanın effektiv olması ilə əlaqələndirilir. C və O₂ sıxlıqları daha aşağıdır; onların yaranmasında daha mürəkkəb ikinci dərəcəli reaksiya yolları rol oynayır.

Titrəyişli CO₂ halları

CO₂-nin titrəyişlə həyəcanlanmış halları Marsın aşağı temperaturlu plazması üçün əhəmiyyətlidir, çünki molekul enerjisi çoxsaylı kiçik titrəyiş addımları ilə artırılaraq dissosiasiyaya çatdırıla bilər. Bu proses vibrational ladder climbing adlanır.

Figure 7-də simmetrik dartılma hallarından CO₂va təxminən:

\[ 7.71\times10^{16}\ \mathrm{cm^{-3}} \]

və əyilmə modu CO₂vb təxminən:

\[ 3.01\times10^{15}\ \mathrm{cm^{-3}} \]

sıxlığa çatır.

Asimmetrik dartılma seriyasında daha yüksək titrəyiş səviyyələrinin əhəmiyyətli dərəcədə yığıla bildiyi görünür. Mənbəyə görə:

\[ N_{\mathrm{CO_2v8,max}} \approx2.92\times10^{16}\ \mathrm{cm^{-3}} \]

olduğu halda:

\[ N_{\mathrm{CO_2v1,max}} \approx1.94\times10^{14}\ \mathrm{cm^{-3}}. \]

Müəlliflər təxminən iki mərtəbəlik fərqi vibration-vibration (V–V) enerji ötürülməsinin yüksək titrəyiş səviyyələrini qidalandırması ilə izah edirlər.

Elektrodlararası Məsafə Artanda RF Plazması Necə Dəyişir?

Elektrodlararası məsafə artdıqda sabit 10 W/cm² güc daha böyük boşalma həcminə yayıldığı üçün maksimum elektrik sahəsi və elektron temperaturu azalır, hissəciklərin elektrodlara çatıb itmə ehtimalı aşağı düşdüyündən elektron sıxlığı artır. Daha geniş bulk plazma bölgəsi və azalan divar itkiləri CO, O və O₂-nin yığılmasını dəstəkləyir; əvəzində sheath-in ümumi məsafəyə görə nisbi payı azalır.

Sheath qalınlığı və sheath gərginliyi

Elektrodlararası məsafə təxminən 0.15-dən 0.31 cm-ə artırıldıqda mütləq sheath qalınlığı:

\[ 0.0286\ \mathrm{cm} \rightarrow 0.0300\ \mathrm{cm} \]

ilə yalnız azacıq artır. Bununla yanaşı sheath-in ümumi elektrod boşluğuna nisbəti davamlı azalır; yəni bulk plazma həndəsədən daha sürətlə pay qazanır.

Eyni aralıqda sheath gərginliyi təxminən:

\[ 108\ \mathrm{V} \rightarrow 99\ \mathrm{V} \]

azalır. Mənbə bu nəticəni artan plazma sıxlığı və daha effektiv lokal elektrik sahəsi ekranlanması ilə əlaqələndirir.

Elektrik sahəsi, elektron temperaturu və elektron sıxlığı

Elektrik sahəsi və elektron temperaturundakı azalma sabit ümumi güc altında daha böyük boşalma həcmində vahid həcmə düşən enerji girişinin azalması ilə əlaqələndirilir. Elektron sıxlığındakı artım isə müəlliflərin electron trapping izahı ilə əlaqəlidir: genişlənən elektrodlararası məsafədə daşıyıcıların yarım RF dövrü ərzində elektrodlara çatıb itmə ehtimalı azalır.

CO, O və O₂ istehsalında miqyas effekti

Dar boşalma aralıqlarında aktiv radikallar bulk plazmada yığılmadan elektrodlara daha sürətlə yayıla bilər. Elektrodlararası məsafə böyüdükcə divar itkilərinin nisbi təsiri azalır və genişlənən bulk plazma CO₂ dissosiasiya məhsullarının yığılmasına imkan verir.

Mənbədə CO-nun əsasən elektron-toqquşmalı dissosiasiya və elektron-toqquşmalı attachment proseslərindən, O-nun çox vaxt elektron-toqquşmalı dissosiasiyadan, O₂-nin isə böyük ölçüdə yüklü növlərin daxil olduğu ikinci dərəcəli reaksiyalardan yarandığı izah edilir.

Titrəyişli ladder-climbing və elektrodlararası məsafə

Bütün həyəcanlanmış hallar elektrodlararası məsafəyə eyni şəkildə reaksiya vermir. Elektron olaraq həyəcanlanmış CO₂ve1 əvvəl artır, sonra azalır, aşağı titrəyişli CO₂v1a-nın pik sıxlığı isə məsafə artdıqca azalır.

Əksinə, daha yüksək asimmetrik dartılma hallarından CO₂v7 artmağa davam edir. Müəlliflər bunu artan bulk elektron sıxlığının titrəyişli ladder-climbing mexanizmini gücləndirməsi ilə izah edirlər. Beləliklə orta elektron enerjisinin azalması yüksək titrəyişli molekul populyasiyalarının mütləq azalacağı anlamına gəlmir; V–V ötürülməsi və artan hissəcik tutulması fərqli kinetik tarazlıq yarada bilər.

DeepONet Doğrudan da Görülməmiş Elektrod Məsafələrini Proqnozlaşdıra Bilirmi?

Mənbədə aparılan yaxın-diapazon testləri “bəli” cavabını dəstəkləyir: təlim sahəsindəki 0.18 və 0.26 cm elektrodlararası məsafələrdə elektron sıxlığı üçün nisbi xəta təxminən \(10^{-5}\) mərtəbəsində qalır, təlim aralığının dərhal xaricindəki 0.14 və 0.32 cm dəyərlərində xəta təxminən \(10^{-4}\) səviyyəsinə yüksəlsə də əsas sheath salınımları və bulk plazma quruluşu qorunur. Lakin bu nəticə uzaq ekstrapolyasiyaların etibarlı olduğu demək deyil.

Figure 17-də DeepONet sahələri ilə yüksək dəqiqlikli axın modeli sahələri vizual olaraq bir-birinə yaxın uyğun gəlir. Ən nəzərəçarpan xəta artımı, xüsusən 0.32 cm halındakı kəskin sheath qradiyentləri yaxınlığında görünür.

Hesablama müddətində qazanc

Tədqiqatın mühəndislik baxımından ən diqqətçəkən nəticəsi sürət fərqidir. Yüksək dəqiqlikli axın modelinin yeni elektrodlararası məsafədə dinamik sabit boşalmanı həll etməsi saatlar və ya onlarla saat tələb etdiyi halda, öyrədilmiş DeepONet eyni parametr üçün 28 sahəni:

1 saniyədən qısa müddətdə

proqnozlaşdıra bilir.

Bu sürətlənmə pulsuz deyil: surrogate modelin qurulması üçün əvvəlcə yüksək dəqiqlikli təlim məlumatları yaradılmış və DeepONet özü RTX 4090D üzərində təxminən 7.6 saat öyrədilmişdir. Buna görə üsul bir plazma həllini möcüzəvi şəkildə sürətləndirməkdən çox, çox sayda yeni həndəsə skan ediləcəksə bahalı offline xərci bir dəfə ödəyib sonrakı parametr sorğularını çox ucuzlaşdırır.

Tədqiqatın dəstəklədiyi nəticələr

• DeepONet elektrodlararası məsafədən asılı RF CO₂ plazma həll operatorunu öyrənərək 28 fiziki dəyişənin məkan-zaman sahələrini sürətlə proqnozlaşdıra bilər.
• Nümayəndəvi elektron sıxlığı üçün interpolyasiya xətası təxminən \(10^{-5}\), yaxın ekstrapolyasiya xətası isə təxminən \(10^{-4}\) mərtəbəsindədir.
• Model müxtəlif məkan-zaman grid-lərində plazmanın əsas quruluşlarını qoruyaraq discretization invariance göstərir.
• Elektrodlararası məsafənin artması maksimum elektrik sahəsi və elektron temperaturunu azaldarkən elektron sıxlığını artırır.
• Daha geniş elektrodlararası məsafələrdə CO, O və O₂ sıxlıqları artır.
• Elektrodlararası məsafə titrəyişlə həyəcanlanmış CO₂ populyasiyalarını və ladder-climbing proseslərini dəyişdirir.
• Öyrədilmiş DeepONet yeni həndəsə üçün proqnoz müddətini saatlar/onlarla saatdan bir saniyədən aşağıya endirir.

Tədqiqatın dəstəkləmədiyi ümumiləşdirmələr

• Tədqiqat Mars səthində fiziki RF plazma reaktoru təcrübəsi deyil.
• DeepONet çıxışları birbaşa eksperimental Mars ölçmələri ilə doğrulanmayıb; surrogate modelin ground truth-u doğrulanmış sayısal axın modelidir.
• Yaxın ekstrapolyasiyadakı uğur təlim aralığından çox uzaq elektrod həndəsələrində eyni dəqiqliyin qorunacağını sübut etmir.
• Eyni anda təzyiq, güc, tezlik, qaz axını və reaktor həndəsəsinin dəyişdirilməsi bu şəbəkə ilə doğrulanmayıb.
• CO və O₂ sıxlığındakı artım birbaşa reaktorun ümumi enerji səmərəliliyinin və ya xalis ISRU istehsal səmərəliliyinin eyni nisbətdə artması demək deyil.
• Tədqiqat real Mars missiyasında kütlə, güc büdcəsi, elektrod ömrü, toz, termal dövr və ya uzunmüddətli etibarlılıq performansını qiymətləndirmir.
• DeepONet yüksək dəqiqlikli plazma fizika modelinin universal əvəzedicisi deyil; öyrəndiyi parametr sahəsi və yaxın qonşuluğu üçün surrogate kimi qiymətləndirilməlidir.

Gələcək tədqiqatlar

Müəlliflər gələcəkdə eksperimental ölçmələrin birbaşa modelə daxil edilməsini, parametr sahəsinin təzyiq, giriş gücü, RF tezliyi, qaz axını və reaktor həndəsəsini əhatə edəcək şəkildə genişləndirilməsini təklif edirlər. Həmçinin physics-informed məhdudiyyətlər və uncertainty quantification üsulları ilə modelin etibarlılığının və şərh edilə bilməsinin artırılması hədəflənir.

Mənbə və Metod Qeydi

Orijinal tədqiqat:Rapid Prediction of Scale Effects in Martian CO2 Radio-Frequency Discharges using Deep Operator Networks.

Müəlliflər: Zheng Zhao, Xiaolong Wang, Yawei Feng, Wenkai Li və Yuantao Zhang.

Qurum: School of Electrical Engineering, Shandong University, Jinan, Shandong Province, China.

Əlaqə müəllifi: Yuantao Zhang.

DOI: 10.2139/ssrn.7199166.

Platforma/nəşr statusu: SSRN-də 28 iyul 2026 tarixində yayımlanmış 37 səhifəlik, hakem qiymətləndirməsindən keçməmiş preprint.

Tədqiqat növü: Doğrulanmış plazma axın modelindən yaradılmış yüksək ölçülü məlumatlarla öyrədilmiş Deep Operator Network əsaslı elmi maşın öyrənməsi/surrogate model tədqiqatı.

Əsas fiziki şərtlər: 4.5 Torr CO₂, 210 K qaz temperaturu, 13.56 MHz RF sürücüsü və 10 W/cm² sabit güc.

Əsas təlim sahəsi: Elektrodlararası məsafə 0.15–0.30 cm, 0.01 cm addım. Yaxın ümumiləşdirmə və ekstrapolyasiya qiymətləndirmələrində 0.14, 0.31 və 0.32 cm kimi təlimdən kənar dəyərlər də araşdırılmışdır. Abstract ümumi həndəsə diapazonunu təxminən 0.13–0.32 cm kimi ifadə edir.

Axın modeli: Əsas metod izahı və Table I 26 plazma növü və 278 elementar reaksiya ehtiva edən azaldılmış CO₂ kimya mexanizmini bildirir.

Mənbədaxili uyğunsuzluq: Conclusion bölməsindəki “21 species and 268 reactions” ifadəsi metod bölməsindəki 26 species / 278 reactions tərifi və Table I ilə uyğun gəlmir. Verianla bu fərqi səssizcə düzəltməyib.

DeepONet: Branch və trunk şəbəkələri dörd gizli qat və hər qat üçün 75 neyron istifadə edir. Model PyTorch-da AdamW ilə 0.0001 sabit öyrənmə sürətində 50,000 epoch təlim alıb.

Aparat və xərc: Təlim NVIDIA RTX 4090D 24 GB GPU üzərində təxminən 7.6 saat davam edib; öyrədilmiş modelin yeni həndəsə üçün onlayn çıxarımı bir saniyədən qısadır.

Maliyyələşdirmə: National Natural Science Foundation of China (No. 12375201) və Shandong Province Key R&D Program, Soft Science Project (No. 2025RZB0218).

Məlumatların əlçatanlığı: Tədqiqatın nəticələrini dəstəkləyən məlumatların əsaslandırılmış sorğu əsasında əlaqə müəllifindən əldə edilə biləcəyi bildirilmişdir.

Müəllif hüququ: SSRN qeydi bütün hüquqların qorunduğunu və icazəsiz təkrar istifadəyə icazə verilmədiyini bildirir. Mənbə fiqurlarını piksel səviyyəsində çoxaltmaq əvəzinə, Verianla üçün plazma reaktoru, DeepONet arxitekturası, miqyas trendləri və növ dəyişiklikləri orijinal şəkildə yenidən çəkilməlidir.