該規劃完成了超越1MJ的產出 ，量化了 2021 年至 2022 年期間進行的一系列近重復試驗中的變異性 。由試驗丈量不確認性引起的輸入條件不確認性，這些散布經過正在測驗的規劃的機器學習模型向前傳達 ，構建了一個一起根據試驗數據和模仿數據的核算模型 。不止聚變焚燒猜測
研討團隊對一個受控的聚變試驗進行了一次定量且具有物理含義的猜測 ，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
。高保真度的物理模仿以及專家常識
。規劃空間寬廣以及模仿核算成本昂揚
，結合從前搜集的 NIF 數據 、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 ，協助他們調整試驗規劃