論文の概要: Offline Contextual Bayesian Optimization for Nuclear Fusion

• arxiv url: http://arxiv.org/abs/2001.01793v1
• Date: Mon, 6 Jan 2020 22:12:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 02:11:10.627249
• Title: Offline Contextual Bayesian Optimization for Nuclear Fusion
• Title（参考訳）: 核融合のためのオフラインコンテキストベイズ最適化
• Authors: Youngseog Chung, Ian Char, Willie Neiswanger, Kirthevasan Kandasamy, Andrew Oakleigh Nelson, Mark D Boyer, Egemen Kolemen, Jeff Schneider
• Abstract要約: 核融合は、無限のクリーンエネルギーの可能性を示すため、未来のエネルギーと見なされている。 核融合を実現可能なエネルギー源として利用する際の障害の1つは、反応の安定性である。 本研究では,このようなコントローラを学習するための予備的なステップについて述べる。
• 参考スコア（独自算出の注目度）: 19.452325504125163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nuclear fusion is regarded as the energy of the future since it presents the possibility of unlimited clean energy. One obstacle in utilizing fusion as a feasible energy source is the stability of the reaction. Ideally, one would have a controller for the reactor that makes actions in response to the current state of the plasma in order to prolong the reaction as long as possible. In this work, we make preliminary steps to learning such a controller. Since learning on a real world reactor is infeasible, we tackle this problem by attempting to learn optimal controls offline via a simulator, where the state of the plasma can be explicitly set. In particular, we introduce a theoretically grounded Bayesian optimization algorithm that recommends a state and action pair to evaluate at every iteration and show that this results in more efficient use of the simulator.
• Abstract（参考訳）: 核融合は、無限のクリーンエネルギーの可能性を示すため、未来のエネルギーと見なされている。 核融合を実現可能なエネルギー源として利用する際の障害は、反応の安定性である。 理想的には、反応をできるだけ長く延ばすために、プラズマの現在の状態に応じて反応を起こす反応器の制御装置を持っているだろう。 本研究では,このようなコントローラを学習するための予備的なステップを行う。 実世界の原子炉での学習は不可能であるため、プラズマの状態を明確に設定できるシミュレータを通してオフラインで最適制御を学習し、この問題に対処する。 特に,各イテレーションで状態と動作のペアを評価することを推奨する理論的根拠付きベイズ最適化アルゴリズムを導入し,シミュレータをより効率的に利用することを示す。

関連論文リスト

• AI-Driven Autonomous Control of Proton-Boron Fusion Reactors Using Backpropagation Neural Networks [0.0]
  陽子ホウ素(p-11B)核融合は、持続可能で中性子のないエネルギー生成への有望な道を示す。 従来の制御系は、プラズマの高度に動的で非線形な挙動を管理する上で困難に直面している。 本稿では,バックプロパゲーションに基づくニューラルネットワークを用いて,陽子-ホウ素核融合炉のキーパラメータを自律的に制御する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-14T14:58:43Z)
• Multistep Criticality Search and Power Shaping in Microreactors with Reinforcement Learning [0.3562485774739681]
  核マイクロリアクターにおける知的制御のための強化学習(RL)アルゴリズムを導入する。 近位政策最適化(PPO)とアクター・クリティカル(A2C)を用いたRLエージェントの訓練 その結果, 最適ドラム位置同定におけるPPOの優れた性能が示された。
  論文  参考訳（メタデータ） (2024-06-22T20:14:56Z)
• Reactor Optimization Benchmark by Reinforcement Learning [0.24374097382908472]
  本稿では,強化学習に特化して設計されたOpenNeoMCフレームワークのベンチマーク問題を紹介する。 テストケースは、異なる物理状態を表す、異なる局所的な最適性を備えており、アルゴリズムの学習に挑戦している。 厳密な制約で複雑な最適化景観をナビゲートする際の強化学習の有効性を実証する。
  論文  参考訳（メタデータ） (2024-03-21T10:26:47Z)
• Dissipative preparation and stabilization of many-body quantum states in a superconducting qutrit array [55.41644538483948]
  本稿では,量子多体絡み合った状態の多様体を駆動散逸的に準備し,安定化するためのプロトコルを提案し,解析する。 我々は,実デバイスの物理特性に基づいたパルスレベルシミュレーションにより,このプラットフォームの理論的モデリングを行う。 我々の研究は、固体で自己補正された量子多体状態をホストする駆動散逸型超伝導cQEDシステムの能力を示している。
  論文  参考訳（メタデータ） (2023-03-21T18:02:47Z)
• A Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction [0.4166512373146748]
  本稿では,リアクトル過渡期の最終定常電力を予測するための,新しい多段階深層学習フレームワークを提案する。 我々は、分類段階と回帰段階の両方のフィードフォワードニューラルネットワークを使用し、リアクトルパワーの実環境計測と制御状態を統合したユニークなデータセットをトレーニングする。 ノイズを伴うシミュレーションデータの取り込みにより、モデルの一般化能力が大幅に向上し、オーバーフィッティングのリスクが軽減される。
  論文  参考訳（メタデータ） (2022-11-23T17:32:52Z)
• Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
  文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。 この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。 標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
  論文  参考訳（メタデータ） (2022-10-14T20:19:32Z)
• A machine-learning-based tool for last closed magnetic flux surface reconstruction on tokamak [58.42256764043771]
  トカマク装置による核融合発電は、クリーンエネルギーの持続可能な供給源として最も有望な方法の1つである。 トカマクの主な課題は、アクチュエータコイルと内部トカマクプラズマの相互作用によって決定される最後の閉じた磁束面(LCFS)を予測することである。 本研究では,実験データから自動的に学習する実験用超電導トカマク(EAST)からLCFSを再構築する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-07-12T17:15:29Z)
• DiSECt: A Differentiable Simulator for Parameter Inference and Control in Robotic Cutting [71.50844437057555]
  軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。 シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。 このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
  論文  参考訳（メタデータ） (2022-03-19T07:27:19Z)
• Pulsed multireservoir engineering for a trapped ion with applications to state synthesis and quantum Otto cycles [68.8204255655161]
  貯水池工学(Reservoir engineering)は、消散と脱コヒーレンス(decoherence)を障害というよりはむしろ道具として扱う、注目すべきタスクである。 トラップイオンの1次元高調波運動のための貯水池工学を実装するための衝突モデルを構築した。 複数の内部レベルを持つため、複数の貯水池を設計することができ、よく知られた非古典的な運動状態のより効率的な合成を可能にする。
  論文  参考訳（メタデータ） (2021-11-26T08:32:39Z)
• Deep Surrogate Models for Multi-dimensional Regression of Reactor Power [0.0]
  我々は,原子炉の電力分布の高精度かつ高精度な多次元回帰を提供するニューラルネットワークの能力を確立する。 その結果、ニューラルネットワークは、自律型原子炉制御フレームワークで実装するサロゲートモデルに適した選択であることが示された。
  論文  参考訳（メタデータ） (2020-07-10T15:16:36Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。