К содержимому
Другое

PhysResNet-LM v2.1

гибридная нейросеть для проектирования катушек стеллараторов

2 мин чтенияобновлено

PhysResNet-LM v2.1 (Universal) от Oursdesvosges решает физическую задачу оптимизации магнитных систем термоядерных реакторов-стеллараторов для бенчмарка CoilStellaration от Proxima Fusion. По заданным параметрам границы плазмы модель вычисляет трёхмерные координаты магнитных катушек и токи в них. В основе лежит универсальная архитектура PhysResNet (свёрточная сеть с остаточными связями), дополненная методом Dual-Init warm-start (двойная инициализация начального приближения) и встроенным прямо в граф ONNX оптимизатором Гаусса — Ньютона / Левенберга — Марквардта с аналитическим якобианом. Главная особенность — модель в одном файле весом 41,01 МБ поддерживает все 17 топологий (от 2 до 5 периодов поля и от 4 до 8 катушек) и работает на обычном CPU без GPU. Решение пригодится исследователям в области физики плазмы, термоядерного синтеза и научного машинного обучения (SciML).

Ключевые особенности

  • Универсальность топологий: один чекпоинт покрывает все 17 конфигураций (NFP, N_c) в режимах фиксированной (fixed_shape) и изменяемой формы (variable_shape).
  • Нейросеть + математический солвер внутри ONNX: после оценки кандидатов сетью запускается встроенный цикл оптимизации LMRefinerModule на сетке 28x28x128 с масштабированием столбцов по Марквардту.
  • Компактный CPU-инференс: модель упакована в автономный файл model.onnx (41,01 MiB, opset 17) под CPUExecutionProvider без внешних файлов весов.
  • Высокая точность на бенчмарке: общий балл 0.9712 на тестовой выборке split="eval" без утечки данных при обучении.

Что можно сделать

  • Рассчитывать геометрию катушек: подавать на вход коэффициенты границы плазмы (boundary_r_cos, boundary_z_sin) и целевые метрики, чтобы получать координаты витков и значения токов.
  • Сравнивать подходы в SciML: использовать модель как сильный бейзлайн для бенчмарка Proxima Fusion CoilStellaration v1.0.
  • Интегрировать в CPU-пайплайны: запускать быструю генерацию начальных конфигураций стеллараторов на стандартных серверах через onnxruntime.

Пример

import numpy as np
import onnxruntime as ort
from huggingface_hub import hf_hub_download

path = hf_hub_download("Oursdesvosges/coilstellaration-phys-resnet-lm-universal", "model.onnx")
sess = ort.InferenceSession(path, providers=["CPUExecutionProvider"])

# На вход подаются boundary_r_cos, boundary_z_sin, requirement_metrics и параметры топологии
coil_x_n, coil_y_n, coil_z_n, currents = sess.run(["coil_x_n", "coil_y_n", "coil_z_n", "currents"], inputs)
ПодробнееРезультаты eval (CoilStellaration v1.0): общий балл 0.9712; fixed_shape — mean 0.9772 (strict feas 87.15%); variable_shape — mean 0.9653 (strict feas 84.85%).
Скорость на 8 vCPU (CPUExecutionProvider): среднее время 1897,4 мс для fixed_shape и 2623,0 мс для variable_shape.
Обучение и отбор проводились строго на сплите train (360 fixed + 450 variable границ), тестовый eval не использовался.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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.

    # Oursdesvosges/coilstellaration-phys-resnet-lm-universal
    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 Oursdesvosges/coilstellaration-phys-resnet-lm-universal --local-dir ~/models/coilstellaration-phys-resnet-lm-universal
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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 coilstellaration-phys-resnet-lm-universal — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Oursdesvosges/coilstellaration-phys-resnet-lm-universal
Автор
Oursdesvosges
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