Традиционно специалисты используют численные симуляции, основанные на пятимерной (5D) гирокинетике. Эти модели отслеживают поведение плазмы в трёх пространственных измерениях, а также в двух измерениях, описывающих движение частиц параллельно и перпендикулярно магнитным полям. Такие симуляции требуют больших вычислительных ресурсов и занимают часы или даже дни, что замедляет исследования и увеличивает затраты.

GyroSwin основана на алгоритмах машинного обучения, для изучения динамики 5D-моделирования плазмы. После обучения эта модель может генерировать точные результаты за секунды. По словам авторов, преимущество GyroSwin заключается в сохранении важных физических характеристик термоядерной плазмы, включая масштаб турбулентных флуктуаций и сдвиговые потоки плазмы, которые помогают подавлять турбулентность.

UKAEA изучает возможности применения GyroSwin в проектах по термоядерному синтезу нового поколения, включая британский токамак STEP. Оптимизация сценариев плазмы для таких установок потребует миллионов симуляций, особенно с учётом неопределённости и усложнения физических процессов. По мере детализации симуляций их вычислительная стоимость резко возрастает, что делает инструменты быстрого моделирования полезными для фильтрации предпочтительных сценариев.