К содержимому
Другое

Coil optimizer для Coilstellaration

катушки для стелларатора в три стадии

2 мин чтенияобновлено

ONNX-граф решает практическую задачу: по границе плазмы и четырём инженерным целям подбирает набор катушек для стелларатора — термоядерной установки. Сначала встроенная нейросетевая модель из proxima-fusion/coilstellaration-models (MIT) даёт первое приближение, затем 16 шагов Levenberg-Marquardt уточняют фурье-коэффициенты и токи пяти катушек. Работает для трека fixed_shape: три периода поля и пять катушек на полупериод. На выходе — координаты катушек в виде коэффициентов Фурье [5, 15] и токи [5] в амперах. Полезно тем, кто считает катушки в Coilstellaration benchmark или хочет быстро получить кандидата под заданные ограничения.

Ключевые особенности

  • Сначала работает встроенный per-coil ensemble из proxima-fusion/coilstellaration-models — он даёт первое приближение.
  • Затем 16 шагов Levenberg-Marquardt уточняют фурье-коэффициенты и токи пяти катушек.
  • Ограничения учитываются как штрафы: минимальные расстояния между катушками и до плазмы, максимальная кривизна.
  • Финальная проверка идёт на более мелких сетках; при удачном раскладе могут вернуться planar circles.
  • Интерфейс — ONNX: входы boundary_r_cos, boundary_z_sin [5, 9], requirement_metrics [4], n_field_periods и n_coils_per_half_period.

Что можно сделать

  • Запускать ONNX-граф через onnxruntime и получать набор катушек и токи для заданной границы плазмы.
  • Встраивать в пайплайн Coilstellaration benchmark для быстрой проверки кандидатов на треке fixed_shape.
  • Сравнивать оптимизированный набор с planar circles: граф сам выбирает, что лучше проходит четыре цели.
  • Воспроизводить стадии оптимизации по lm.py и менять настройки под свои эксперименты.

Пример

import numpy as np, onnxruntime as ort
from huggingface_hub import hf_hub_download
session = ort.InferenceSession(hf_hub_download("phanerozoic/coilstellaration-coil-optimizer", "model.onnx"))
r_cos = np.zeros((5, 9), np.float32); z_sin = np.zeros((5, 9), np.float32)
r_cos[0, 4], r_cos[1, 4], z_sin[1, 4] = 1.0, 0.15, 0.15
outs = session.run(["coil_x_n", "coil_y_n", "coil_z_n", "currents"], {"boundary_r_cos": r_cos, "boundary_z_sin": z_sin, "requirement_metrics": np.array([0.4, 0.8, 3.0, 0.05], np.float32), "n_field_periods": np.asarray(3, np.int64), "n_coils_per_half_period": np.asarray(5, np.int64)})
ПодробнееВход: boundary_r_cos и boundary_z_sin [5, 9], requirement_metrics [4], n_field_periods = 3 и n_coils_per_half_period = 5.
Выход: coil_x_n, coil_y_n, coil_z_n [5, 15] (Fourier order 7) и currents [5] в амперах.
Поддерживаемый трек — fixed_shape; встроенная модель — MIT.
Ограничение: граф заточен под этот трек и фиксированные 3/5, это не универсальный оптимизатор.
Настройки выбирали на одной двадцатой тренировочных границ.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.6 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.

    # phanerozoic/coilstellaration-coil-optimizer
    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 phanerozoic/coilstellaration-coil-optimizer --local-dir ~/models/coilstellaration-coil-optimizer
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к coilstellaration-coil-optimizer
  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-coil-optimizer — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

phanerozoic/coilstellaration-coil-optimizer
Автор
phanerozoic
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