К содержимому
Другое

gru-dw_100m_h-task-outputs

модель плазмы в токамаках

2 мин чтенияобновлено

Исследователи из проекта fusion-world-model выложили чекпоинты (файлы сохранённых весов) world model для симуляции поведения плазмы в токамаках — установках для управляемого термоядерного синтеза. Модель построена на архитектуре GRU (рекуррентная нейросеть с управляемыми элементами) с бюджетом около 100 млн параметров и обучена в режиме предсказания целевых показателей задачи (recipe (h) reward-only). На выходе она прогнозирует параметры состояния плазмы на основе реальных экспериментальных данных. Разработка пригодится физикам-исследователям и инженерам, занимающимся моделированием и управлением термоядерными реакторами.

Ключевые особенности

  • Архитектура GRU из 2 слоёв с dropout 0.1 и прогревом (warmup) в 4 000 шагов, общий объём — 100M параметров.
  • Обучена на пяти научных базах данных по токамакам: FAIR-MAST (UKAEA), HDB5 (DB5.2.3), PR08, Open Density Limit Database (Alcator C-Mod) и базе L-H переходов TCV.
  • Лучший чекпоинт final.pt отобран из 25 конфигураций по правилам поиска, результаты отбора зафиксированы в selection.json.
  • В репозитории также доступны дополнительные прогоны той же конфигурации с другими сидами обучения (seed_1.pt, seed_2.pt) для оценки воспроизводимости.

Что можно сделать

  • Использовать чекпоинты final.pt и seed_*.pt в PyTorch для воспроизведения экспериментов из научной статьи (зафиксированы под тегом paper).
  • Применять модель в качестве симулятора среды (world model) при разработке и тестировании алгоритмов управления плазмой в токамаках.
  • Сравнивать устойчивость прогнозов между разными сидами обучения и анализировать метрики отбора конфигураций из файла selection.json.

Пример

В карточке модели не приведён готовый скрипт инференса, однако веса сохранены в стандартном формате PyTorch (.pt) вместе с конфигурацией config.json и манифестом контрольных сумм manifest.json. Для работы с чекпоинтом достаточно загрузить final.pt в код обучения из соответствующего научного репозитория и подать на вход последовательности параметров разряда токамака для получения прогноза целевых выходов.

ПодробнееАрхитектура: 2-слойная GRU, 100M параметров, dropout 0.1, warmup 4 000 шагов.
Режим обучения: recipe (h) reward-only (предсказание целевых выходов задачи).
Фиксация версии для статьи: тег paper (коммит 0875544131275e18d1d837f5577fdea382c8ee37).
Лицензия: CC BY-SA 4.0 (требуется обязательное указание авторов пяти исходных баз данных).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.4 GB · готовые файлы0.9 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # fusion-world-model/gru-dw_100m_h-task-outputs
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download fusion-world-model/gru-dw_100m_h-task-outputs --local-dir ~/models/gru-dw_100m_h-task-outputs
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к gru-dw_100m_h-task-outputs
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии gru-dw_100m_h-task-outputs — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

fusion-world-model/gru-dw_100m_h-task-outputs
Автор
fusion-world-model
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

ViCoR

ViCoR