對美國國家點火裝置2010 年以來實驗設計思路的分析*

張棋 馬積瑞 范金燕 張杰4)?

1) (上海交通大學物理與天文學院，激光等離子體教育部重點實驗室，上海 200240)

2) (上海交通大學數學科學學院，科學工程計算教育部重點實驗室，上海 200240)

3) (上海交通大學IFSA 協同創新中心，上海 200240)

4) (中國科學院物理研究所光物理實驗室，北京 100190)

1 引言

美國國家點火裝置(National Ignition Facility，NIF)位于加利福尼亞州勞倫斯·利弗莫爾國家實驗室(Lawrence Livermore National Laboratory，LLNL)，于1997 年開始建設，2009 年正式建成，2010 年投入使用，是全球耗資最大、激光能量最高、主要用于間接驅動激光聚變研究的巨型光學工程.過去10 年來，NIF 研究團隊通過調整脈沖波形、改進調控技術、優化腔靶設計及制靶工藝等措施，不斷改進和優化實驗設計思路，最終在2021 年8 月的實驗中，取得了具有里程碑意義的實驗結果[1-4].

NIF 在2010 年投入使用時，由于對激光聚變物理過程的復雜性預計不足，激光聚變實驗最初的聚變反應輸出能量尚不足1 kJ.在隨后的7 年中，NIF研究團隊不斷調整實驗設計思路，優化實驗方案，但是由于激光聚變物理過程的內稟復雜性，激光聚變反應的輸出能量長期徘徊在較低的水平.直到2017 年6 月，NIF 團隊通過使用高密度碳燒蝕層方案，使α 粒子的自加熱效應抵消了壓縮靶丸的韌致輻射損失，聚變輸出能量首次達到55 kJ 的水平[5].在隨后的兩年里，NIF 團隊不斷調整脈沖波形和腔靶設計，于2019 年11 月使用新型Hyrbid-E 方案，聚變輸出能量再次達到55 kJ[6].該次實驗中α 粒子加熱效應開始成為聚變反應的主導能量，但是在慣性約束的時間內仍不能大規模自加熱.在Hybrid 方案不斷完善的過程中，NIF 升級了制靶工藝和激光脈沖調控技術，并將I-raum 方案提到實驗日程.直到2021 年8 月，N210808 發次實驗在90 ps 的約束時間內產生了1.35 MJ 的聚變輸出能量[2，4].2021年10 月NIF 團隊進行了重復性驗證實驗，雖然沒能重復8 月實驗的結果，但是仍然得到了430 kJ的聚變能量輸出.這個結果一方面說明NIF 點火實驗的確已經接近實現聚變輸出能量大于輸入激光能量的能量平衡的點火門檻，另一方面說明NIF實驗尚未實現對激光聚變點火實驗條件的完全可控，因此亟需對NIF 實驗數據進行及時深入的研究.

自NIF 建成投入使用以來，NIF 裝置上一共進行了3000 多發次實驗，其中直接用于ICF 研究的實驗約1030 發，相關的實驗數據一直是ICF 領域的研究熱點.Hatfield 等[7，8]曾利用機器學習算法研究NIF 實驗數據，以此優化靶丸設計，并且利用稀疏異方差高斯過程預測ICF 實驗結果;Gaffnev 等[9]開發了Bavesian 框架，使用NIF 實驗數據矯正ICF模擬數據;Humbird 等[10]首次使用深度聯合信息神經網絡進行發次后模擬，并且用實驗數據對訓練過的深度神經網絡進行遷移學習，在更廣范圍內預測NIF 實驗[11];Hsu 等[12]則評估了不同機器學習方法對NIF 內爆參數的預測能力，認為深度學習比一般的機器學習回歸模型更適合NIF 實驗中子產額的預測.

目前NIF 實驗數據庫還沒有對外公開，我國科研工作者從各類期刊、會議報告中獲取的僅為部分實驗數據.由于不同實驗的實驗性質不同、診斷設備的升級階段不同而導致的測量維度不同、以及各論文陳述的側重點不同，這些發次所公布的參數并不一致，而且存在大量的數據缺失.因此深入了解已公布的NIF 實驗數據，設計有效算法進行缺失數據還原，并且分析NIF 團隊在不同階段調整實驗設計的出發點，不僅可以幫助深入理解LLNL在2020 年5 月20 日的報告中提出的關于升級NIF裝置有望達到點火目標[13]的設計依據，而且可以為我國間接驅動點火實驗提供更完整的實驗數據與設計經驗.

本文首先介紹實驗原始數據的來源和實驗中影響中子產額的主要因素，然后提出數據還原的方法及數學原理;再從物理和數學兩方面交叉檢驗還原數據的可靠性;最后利用還原數據對不同階段的NIF 實驗進行分析，特別是絕熱因子在不同階段對中子產額正反兩方面的影響.結果表明NIF團隊在前期的8 年時間里，以追求靶-熱斑的能量轉化效率(內爆速度和壓縮穩定性)和高熵增為主要實驗設計目的;在后期3 年里，NIF 團隊一方面通過降低腔靶比和熵增因子來提高黑腔-靶耦合效率(腔靶比CCR、黑腔設計)，另一方面通過升級激光調控技術和制靶技術來解決驅動不對稱性問題，以追求進一步提升靶-熱斑能量轉化效率為實驗設計目的.

2 對NIF 實驗缺失數據的還原研究

2.1 原始數據來源和中子產額的主要影響因素

本文從各類期刊、會議報告上系統整理了2010—2020 年期間NIF 用于慣性約束聚變間接驅動實驗的發次.圖1 為2010—2020 年期間NIF 各階段的實驗方案及年度發次數，其中柱狀圖為各方案的年度實驗發次數，折線圖為年度總發次數，圖中以不同顏色代表不同的實驗方案.

圖1 NIF 各方案已公布的各方案年度發次數與年度總發次數Fig.1.The numbers of NIF shots in various designs and the numbers of annual total shots.

為了使熱斑能更接近聚變點火勞森判據條件[14]，國家點火計劃(National Ignition Campaign，NIC)首先設計了了4 類試運行實驗思路[15-19];接著NIF團隊在盡可能低的激光輸入能量條件下，進行了理想絕熱情況下的低熵增低足(low foot，LF)實驗[20];此后為了克服LF 實驗內爆過程中伴隨的嚴重的流體不穩定性，NIF 團隊采用新型脈沖整形方案，開展了降低絕熱、提高熵增的高足(high foot，HF)實驗[21]，并著眼燒蝕材質，進行了高密度碳替代CH燒蝕層的HDC 實驗(high-density carbon，HDC);之后為了進一步提高熵增，NIF 團隊開始大足(big foot，BF)實驗[22];最近，NIF 團隊重新考慮腔靶能量效率，提出了從腔靶比(case to capsule ratio，CCR)入手的高產額大半徑內爆(high yield big radius implosion design，HYBRID)實驗[6，23，24]，并突破僅從腔靶比角度提高腔靶效率的設計思路，解決了由于外環光撞擊黑腔內壁而產生的金等離子體泡沫問題以及內環光后期傳播過程中的吸收效應問題，完成了“I”形腔I-raum 實驗[25].

激光聚變實驗一般以聚變反應中子產額來衡量點火實驗的優劣.氘氚聚變反應所釋放14.1 MeV中子的平均自由程(約500 μm)遠大于NIF 點火實驗中的熱斑半徑，因此聚變反應產生的中子大多從熱斑中射出.實驗時可利用中子閃爍體探測器測量得到的中子產額推算出聚變反應能量產額[17].而聚變反應的另一產物α 粒子則同少量剩余中子沉積在熱斑中用以維持熱斑氘氚燃料(DT 燃料)的自加熱.NIF 團隊根據點火數據庫，多次總結了中子產額的經驗公式，如:

最后兩個公式包含了靶丸剩余動能(residual kinetic energy，RKE)與反應燃料純凈度的η(η=1-MF，其中，MF 為燃料雜質混合比)，這兩個變量在過去11 年公布的實驗數據中極少出現，難以用于還原數據.上述公式反映了影響中子產額Y 的4 個最重要因素:靶丸燒蝕壓(capsule ablation pressure，pabl)熵增因子(adiabat，α)、內爆速度(implosion velocity，vimp)和空間尺度因子(spatial scale factor，S).

但是在目前已公布的NIF 實驗數據中，無法獲得空間尺度因子的直接數據和燒蝕壓的測量值.盡管燒蝕壓無法通過測量獲得，但是可以通過對燒蝕速率、燒蝕深度等可測物理量的推算得到.Hurricane 等[32]給出了燒蝕壓關于熱斑壓強、熵增因子、內爆速度的經驗公式:

其中ε是與壓縮不對稱性相關的效率因子.Hurricane 定義的空間尺度因子是歸一化到1000 μm 的燒蝕層內表面半徑，可以由公開的燒蝕層內徑數據推算得到[32].

本文對中子產額Y、熱斑壓強phs、熵增因子α、內爆速度vimp和燒蝕層內徑 IR這5 個變量進行數據還原.在整理獲得的213 組點火實驗數據中，上述Y，phs，α，vimp，IR變量全 部缺失 的數據 達112 組，另有10 組數據的中子產額極低并且只有一個已知變量.本文主要考慮剩余的91 組數據關于這5 個變量缺失值的還原，其中包括21 組完整數據，它們也是數據還原研究的主要依據.213 組數據的變量缺失情況如表1 所示.

表1 213 組數據的變量缺失情況與還原需求Table 1.Missing data classification and imputation needs.

2.2 數據還原的依據

NIF 團隊發表了多個中子產額規律，基于Hopkins等[26]和Hohenberger 等[28]提到的經驗公式:

以及在其發表之前的17 組完整數據，擬合得到:

上式不包含熵增因子α.進一步，結合(1)式可擬合得到中子產額Y 關于pabl，α，vimp，S 的經驗公式:

本文主要利用(4)式進行數據還原，同時利用Hurricane 提出的經驗公式:

對缺失值進行預估計，其中Ths為熱斑溫度[32].

2.3 數據還原方法

本文主要利用預測平均匹配方法(PMM 方法)和信賴域方法對缺失數據進行還原.

PMM 方法是一種基于隨機的缺失數據還原方法.它通常使用Rubin 和Little 提出的度量方法衡量數據間的距離[33，34].在進行數據還原時，PMM方法首先為每個缺失數據選取幾個距離最近的完整數據;然后隨機選取其中的一個作為相應缺失數據的還原值.PMM 方法能夠很好地處理數據分量之間的關系，例如年份這種離散變量也可以被很好的利用[35].

信賴域方法是求解非線性最優化問題的一類重要數值方法.每次迭代在一個以當前迭代點為中心的可信賴的區域內試圖找到一個好的點，或尋找一個試探步.試探步通常是某個子問題在該區域上的解.可以利用價值函數來判斷它的好壞.如果試探步較好，則接受它，并擴大信賴域半徑或保持其不變，否則拒絕試探步并縮小信賴域半徑[36].

觀察待還原的91 組NIF 實驗數據，可以發現在pabl，α，vimp和S這4 個自變量中，α的方差最小，對Y的影響也最小，并且同一年實驗的已知的α數據相近.根據α的特點，本文首先利用PMM方法對缺失α進行還原，然后利用信賴域方法對其他缺失變量進行還原.

數據還原方法的具體框架如下:首先利用PMM方法還原α，得到所有缺失α的還原值.對于除α外只缺失一個變量的數據組，直接利用(4)式進行還原.對于除α外缺失多于一個變量的數據組，首先利用(3)，(5)或(6)式給出缺失變量的估計;然后利用(4)式構造關于缺失變量的非線性最小二乘問題，其中缺失變量的相對誤差不大于20%;最后運用信賴域方法求解該約束非線性最小二乘問題，得到缺失變量的還原值.在數值實驗中，為加快算法收斂，可選取由PMM 方法給出的缺失變量的估計值作為信賴域方法的初始迭代點.

3 對還原數據的可靠性分析

對于由上述PMM 方法和信賴域方法得到的還原數據，需要判斷其是否可靠.本文根據收集到的所有NIF 實驗數據信息，給出了還原數據的可靠性判斷依據.對于不可靠的還原數據重新推算，并且對新的還原數據再次回歸分析，重復這個過程，直到所有的還原數據都可靠為止.

3.1 還原數據的可靠性判斷依據

注意到同類型方案的實驗中的各研究參量值存在設計共性，測量值的分布也有一定規律，基于213 組已知數據，本文指出了下述可靠性判斷依據.熵增因子α的還原值不大于目前已知最大值4;根據文獻中內爆速度的圖像，考慮到早期壓破燃料層的靶，內爆速度的還原值應滿足 0 ≤vimp≤440 km/s[37].類似地，根據文獻[4]中熱斑壓強的圖像，熱斑壓強還原值應滿足 3 0 ≤phs≤400 Gbar[4];空間尺度因子S在BF 方案中出現最小值 0 .841，Hyrbid-E 方案中出現最大值 1 .1，考慮到制作工藝帶來的誤差，其還原值應滿足 0 .8 ≤S≤1.15 .此外，對于實驗設計之初，通過預模擬確定的變量α和靶丸設計直接確定的S，要求α在NIC 和LF 實驗中的還原值不大于2，在HF，HDC 和BF 實驗中的還原值分別不小于1 .9，2 .2和3，在Hybrid 實驗中的還原值不小于1.5 且不大于 3 .2[37].

對還原后的91 組NIF 數據重新回歸，結合(1)式中熱斑壓強和燒蝕壓的關系，可得:

相對于(2)式，(7)式中中子產額更依賴于燒蝕壓和空間尺度因子，不再嚴重依賴聚爆速度，α的冪指數基本一致.這是由于還原數據中包含了(2)式發表后大量Hybrid 和I-raum 階段的實驗，這類實驗使用較大尺度的靶丸，以更低速的內爆達到更高的熱斑壓強和中子產額，因而上述回歸結果與2018 年NIF 團隊關于全部實驗數據的回歸結果有細微差別.

3.2 交叉驗證

為判斷前述數據還原方法是否可靠，本文對缺失至少一個變量值的70 組NIF 實驗數據進行了交叉驗證，即將每組數據中的原缺失變量變為已知變量，原已知變量變為缺失變量，利用PMM 方法和信賴域方法進行數據還原，并將交叉驗證的結果與原始數據進行比對.對于熵增因子，實驗性質決定了其所在區間，因此可直接使用物理途徑來驗證其還原值是否可靠.其他4 個變量的交叉驗證結果如圖2 所示，它們展示了交叉驗證中還原值與原始值的關系.中子產額、熱斑壓強、空間尺度因子的相關系數分別為0.82，0.95，0.78，表明還原結果基本可靠.內爆速度的相關系數只為0.65，這是因為80 組數據中缺失內爆速度及其他至少一個變量的數據高達44 組，其中3 組數據嚴重偏離原始數據，從而導致其相關系數低于其他3 個變量.但是此時聚爆速度還原值的相對誤差僅為10.7%，因此也可認為其基本可靠.

圖2 4 組變量的交叉驗證結果 (a)中子產額;(b)內爆速度;(c)熱斑壓強;(d)靶丸規模Fig.2.Cross-validation results of 4 groups of variables:(a) Fusion yield;(b) implosion velocity;(c) hos-spot pressure;(d) spatial scale factor.

4 利用還原數據分析NIF 不同階段的實驗設計思路

本文考慮的91 組NIF 實驗數據來源于24 發次NIC 試運行和LF 實驗、32 發次HF 實驗、20 發次HDC 和BF 實驗、以及15 發次Hybrid 和I-raum實驗.對它們進行數據還原，再分階段回歸，可以得到每個階段中子產額的經驗公式，這有助于理解NIF 實驗在不同階段遇到的不同問題，以及NIF團隊為解決相關問題而設計的下一階段實驗方案.

對于激光能量分毫必爭的間接驅動點火實驗來說，能量效率極為重要.燃料吸收能量可以分為兩個歷程:

其中Efuel，Ecap和Elaser分別為燃料能量、靶丸吸收的能量和激光脈沖能量，ηhydro和ηhohlraum分別為靶丸到熱斑的能量效率和進入黑腔的激光能量到熱斑的能量效率.為便于描述，本文將NIF 各階段實驗設計思路再分解為腔-靶效率和靶-熱斑效率兩階段.

24 組NIC 試運行和LF 實驗還原數據的回歸公式為

為了追求低輸入能量，慣性約束聚變要求壓縮過程盡可能絕熱，使熵增盡可能低，但是(8)式中熵增因子的指數為1.05，看似違反一維熱力學的實驗結果.事實上，實驗中觀測到了極嚴重的Rayleigh-Taylor不穩定性(RT 不穩定性)和Richtmyer-Meshkov不穩定性(RM 不穩定性)，低熵聚爆由于驅動時間(約20 ns)和滑行時間過長，更容易受到這些不穩定性的影響，使得實驗表現低于一維的預期結果[38].因此NIF 團隊提高了熵增因子，設計高足聚爆，減少脈沖寬度至約14 ns，通過提高早期輻射溫度和飛行形狀因子(IFAR)來降低不穩定性的影響，使得測量性能更接近預期，即使可能需要更多的能量來實現點火所需的燃料密度.(8)式中熵增因子的冪指數高達1.05，表明此階段低熵增理論上的高效率受到不穩定性等高維因素的影響而不再正確.

32 組HF 實驗還原數據的回歸公式為

在經歷系列小幅提高熵增因子的實驗后，中子產額不再嚴重正相關于熵增因子，因而提高絕熱因子的設計理念不再迫切.注意到空間尺度因子對中子產額的影響從4.5 次冪降低至3.7 次冪，而內爆速度對中子產額的影響從4.3 次冪提升至5.5 次冪.NIF團隊因此決定犧牲一部分空間尺度因子和腔-靶能量效率，通過輕量化靶丸(內徑從900 μm 降至約840 μm 的水平)來追求同樣激光能量下的更高內爆速度，此舉措不但可以抑制不穩定性，提高可預測性，而且可能在高熵增的條件下實現更高聚變產額.

20 組HDC 和BF 實驗還原數據的回歸公式為

此階段激光進一步整形至脈寬約7 ns，熵增因子增至4 且冪指數降低至負數，與一維的熱力學能量利用效率理論一致，實驗結果對內爆速度的依賴非常敏感.但是2017 年之前的HDC，BF 實驗數據的回歸公式為，相應的實驗對內爆速度的依賴沒有后期強.這是因為當內爆速度增至420 km/s 時，中子產額不再明顯上升，即速度懸崖導致性能降低.這階段NIF 團隊進行了多方面嘗試以突破速度懸崖，包括從對稱性的角度不斷優化夾持膜的設計、做細填充管、降低黑腔內氣體密度等，但是在改動腔靶比之前都沒有成功.速度懸崖的出現意味著不能再依靠內爆速度的提高來提高靶-熱斑效率.

15 組Hybrid 和I-raum 實驗還原數據的回歸公式為

此階段因為不穩定性已經被充分抑制，靶-熱斑效率問題得到了解決，熵增因子保持在約3 的水平，其冪指數也穩定在符合熱力學理論的 - 1.4 的水平.同時，燒蝕壓和靶規模的大幅度提升表明腔-靶能量耦合效率是該階段的重點課題.為此Hybird-E 實驗在Hybrid-B 實驗的基礎上采用了大靶丸和更小的黑腔，同時引入了I 型腔設計(通過在外錐碰撞金壁的位置設置凹槽，使打出的金等離子體徑向向外流動，減少對內環光的吸收)，在提高腔-靶能量效率的同時，改善了輻照對稱性.

圖3 展示了內爆速度、熱斑壓強和中子產額的還原數據在4 個階段的變化過過程.圖3(a)中的實心方形散點為早期NIC 和LF 實驗數據，該階段熱斑壓強和內爆速度嚴格正相關，且中子產額的增長依賴于熱斑壓強和內爆速度的提高;圖3(b)中新增的實心三角形散點為HF 設計數據，該階段熱斑壓強和中子產額都大幅度提高，但最優發次的聚變產額并未明顯提高;圖3(c)中新增的實心圓形散點為 HDC 和BF 設計數據，該階段內爆速度提高至400 km/s 以上，但中子產額除標注的3 個發次外沒有明顯提升，標志著速度懸崖問題的出現;圖3(d)中新增的實心五角星散點為Hybrid實驗數據，在低速聚爆情形下熱斑壓強多次達到較高值，中子產額也得到提高，標志著內爆速度對中子產額的影響不再占據主導地位.正如2020 年以前發表的中子產額公式所反映的，從NIC 到BF 階段，隨著熱斑壓強和內爆速度的提高，中子產額得到提升，但中子產額最高的幾發Hybrid 和I-raum實驗的熱斑壓強和內爆速度沒有在BF 實驗的基礎上進一步提高，且Hybrid 熵增因子在1.5—3.2間波動，空間尺度因子也與早期LF 實驗的數據相當.這表明之前發表的四變量中子產額公式不再能夠充分解釋在提高脈沖調控技術和制靶技術并改良輻射腔之后的Hybrid 實驗數據.最近，LLNL 發表了針對Hybrid 實驗的經驗公式，將剩余動能比例RKE和熱斑-燒蝕物混合比例η列為現階段決定中子產額的重要實驗參量.如果LINL 能夠在未來公布包含這兩個變量的Hybrid 實驗數據，也可利用本文提出的數據還原方法還原最新的NIF 實驗數據.

圖3 NIF 間接點火4 個階段中子產額、內爆速度、熱斑壓強的變化過程 (a) NIC 和LF 實驗階段;(b)新增HF 實驗階段數據;(c) 新增HDC，BF 實驗階段數據;(d)新增Hybrid 實驗階段數據Fig.3.NIF indirect drive implosion data are plotted in the space of the implosion velocity，the hot-spot pressure，and fusion yield.The various designs are added to subgraph the in turn:(a) The low-foot/NIC implosions;(b) the high-foot implosions;(c) the highdensity-carbon designs and the Bigfoot designs;(d) the high yield big radius implosion designs.

大量的文獻提到，熱斑壓強是僅次于中子產額(能量產額)最能反映點火實驗質量的聚變物理量.本文利用還原數據對熱斑壓強進行了多種監督學習預測.91 組還原數據被隨機拆分為80%的訓練集和20%的測試集兩個部分.基于2010—2017 年和2010—2020 年數據的預測結果分別如圖4(a)和(b)所示.由圖4(b)可知，當內爆速度大于250 km/s時，各監督學習的預測結果相對一致，但是當內爆速度小于250 km/s 時，各監督學習的預測結果出現發散.兩組預測結果的分歧主要表現在內爆速度大于380 km/s 時熱斑壓強的變化方面.當內爆速度大于380 km/s 時，各監督學習基于2010—2017 年數據的預測結果呈下降趨勢，即出現了速度懸崖.這是因為2017 年以前的ICF 聚爆主要通過提高熵增、輕量化靶丸、縮短加速和滑行時間等方式抑制RT 不穩定性增長，提高聚變性能，因此當內爆速度提高至400 km/s 以上時，燒蝕質量剩余不足5%，難以抑制后期燃料和燒蝕層的混合，從而引起了速度的性能懸崖問題.

圖4 使用機器學習方法預測熱斑壓強 (a) 基于2010—2017 數據的預測結果;(b) 基于2010—2021 數據的預測結果Fig.4.Prediction of hot-spot pressure using machine learning methods:(a) Prediction based on data from 2010 to 2017;(b) prediction based on data from 2010 to 2021.

2018 年后，NIF 實驗設計的重點轉移到黑腔-靶效率與驅動不對稱性上.一方面，Hybrid-E 實驗重新啟用了 1 100μm 的靶膠囊，不僅大幅提高了腔靶效率，也確保燒蝕質量剩余超過5%;另外，脈沖調制技術和制靶技術的大幅精進，也從根本上解決了相同脈沖能量下的驅動不對稱性問題和高速聚爆導致的熱斑-燒蝕層混合問題.從圖4(b)可以看到:一方面，當內爆速度約等于370 km/s 時，熱斑壓強達到極大，因此在目前的設計和實驗設備水平下，Hybrid 和I-raum 方案的熱斑壓強在內爆速度小于400 km/s 時尚有一定的上升空間，表明了N210808 發次中子產額達到1.3 MJ 的可能性;另一方面，當內爆速度大于400 km/s 時，熱斑壓強預測值保持增長趨勢，意味著速度懸崖可能被跨越.

5 結論與展望

本文利用PMM 算法和信賴域算法，并結合NIF 團隊總結的中子產額經驗公式，對91 組用于ICF 研究的NIF 實驗缺失數據進行了關于中子產額、內爆速度、燒蝕壓、絕熱因子和空間尺度因子這五個聚變物理量的數據還原，交叉驗證表明還原結果可靠.本文還基于這些還原數據，分析了不同實驗階段NIF 研究團隊針對實驗中的困難所提出的解決方案，并利用機器學習方法預測了熱斑壓強等反映聚變實驗質量的重要參量.這種數據還原方法可為我國的慣性聚變實驗提供NIF 更完整的實驗數據與設計經驗.

本項研究承蒙袁亞湘院士的大力支持，謹致謝意！

附錄A

表A1 為原始數據及還原結果，表中發次類別精確到該實驗發次可考證最精確程度.其中，發次類別Commsissioning，Velocity，Shape，Shocking time 屬于NIC[39，40]系 列實驗;LF，I-raum 實驗僅精確到大類，HF，HDC，BF 實驗發次由于有相關統計報告，因此發次類別描述在燃料、燒蝕材質、靶丸規模上更加詳盡[41]，部分Hybrid 實驗精確到發次類別Hybrid-B，Hybrid-E.

表A1 原始數據及還原結果(其中上標*的數據為還原所得數據)Table A1.Restoring the original data(the data marked with * is the data obtained from the restoration).

表A1（續）原始數據及還原結果(其中上標*的數據為還原所得數據)Table A1 (continued).Restoring the original data(the data marked with * is the data obtained from the restoration).

表A1（續）原始數據及還原結果(其中上標*的數據為還原所得數據)Table A1 (continued).Restoring the original data(the data marked with * is the data obtained from the restoration).