論文の概要: Tracking Blobs in the Turbulent Edge Plasma of Tokamak Fusion Reactors
- arxiv url: http://arxiv.org/abs/2111.08570v1
- Date: Tue, 16 Nov 2021 15:46:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-17 18:29:53.114016
- Title: Tracking Blobs in the Turbulent Edge Plasma of Tokamak Fusion Reactors
- Title(参考訳): トカマク核融合炉の乱流端プラズマ中のブロブの追跡
- Authors: Woonghee Han, Randall A. Pietersen, Rafael Villamor-Lora, Matthew
Beveridge, Nicola Offeddu, Theodore Golfinopoulos, Christian Theiler, James
L. Terry, Earl S. Marmar, Iddo Drori
- Abstract要約: 現在の理論モデルでは、ブロブと呼ばれる特定のプラズマ密度構造の進化に基づいて乱流の度合いを定量化している。
本研究では,ガスパフ画像診断(GPI)から得られた高頻度ビデオデータを用いて,これらのブロブの形状と位置を追跡する。
本モデルでは, 合成GPIデータと実実験GPIデータの両方のブロブ構造を効果的に追跡し, トカマクプラズマのエッジ乱流と関連するブロブ統計を推定する強力なツールとして期待できることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The analysis of turbulent flows is a significant area in fusion plasma
physics. Current theoretical models quantify the degree of turbulence based on
the evolution of certain plasma density structures, called blobs. In this work
we track the shape and the position of these blobs in high frequency video data
obtained from Gas Puff Imaging (GPI) diagnostics, by training a mask R-CNN
model on synthetic data and testing on both synthetic and real data. As a
result, our model effectively tracks blob structures on both synthetic and real
experimental GPI data, showing its prospect as a powerful tool to estimate blob
statistics linked with edge turbulence of the tokamak plasma.
- Abstract(参考訳): 乱流の解析は核融合プラズマ物理学において重要な領域である。
現在の理論モデルは、ブロブと呼ばれるあるプラズマ密度構造の進化に基づいて乱流の度合いを定量化する。
本研究では,合成データと実データの両方を用いてマスクR-CNNモデルをトレーニングすることにより,ガスパフイメージング(GPI)診断から得られた高頻度ビデオデータ中のこれらのブロブの形状と位置を追跡する。
その結果, 合成GPIデータと実実験GPIデータの両方でブロブ構造を効果的に追跡し, トカマクプラズマのエッジ乱流に伴うブロブ統計を推定する強力なツールとしての可能性を示した。
関連論文リスト
- Enhancing predictive capabilities in fusion burning plasmas through
surrogate-based optimization in core transport solvers [0.0]
本研究では,コアプラズマプロファイルの予測と非線形ジャイロキネティックシミュレーションによる性能評価が可能な PortalS フレームワークを提案する。
PortALSの効率は標準手法とベンチマークされ、GPU加速非線形CGYROを用いたDIII-D ITER類似形状プラズマにおいて、その全電位は、一意に5チャネルの定常プロファイルを同時に予測する。
また, 燃焼プラズマにおける正確な性能予測と, 核融合実験における輸送モデルの影響について概説した。
論文 参考訳(メタデータ) (2023-12-19T21:33:00Z) - Probabilistic Physics-integrated Neural Differentiable Modeling for
Isothermal Chemical Vapor Infiltration Process [3.878427803346315]
化学気相浸透(CVI)は、炭素-炭素および炭化炭素-ケイ素複合化合物の製造に広く用いられている製造技術である。
CVI中の密度化過程は, これらの複合材料の最終性能, 品質, 整合性に重要な影響を及ぼす。
我々は物理積分型ニューラル微分可能(PiNDiff)モデリングフレームワークを用いたデータ駆動予測モデルを開発した。
論文 参考訳(メタデータ) (2023-11-13T23:25:18Z) - Plasma Surrogate Modelling using Fourier Neural Operators [58.707182482773035]
深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いたプラズマ進化の正確な予測を実証する。
我々は、FNOが磁気流体力学モデルからシミュレーションされたプラズマ力学を予測する際に、従来の解法よりも6桁の速度を持つことを示した。
FNOは、MASTトカマク内のカメラで実世界の実験データからプラズマの進化を予測することもできる。
論文 参考訳(メタデータ) (2023-11-10T10:05:00Z) - Turbulence in Focus: Benchmarking Scaling Behavior of 3D Volumetric
Super-Resolution with BLASTNet 2.0 Data [4.293221567339693]
圧縮性乱流の解析は、推進、エネルギー発生、環境に関する応用に不可欠である。
我々は34個の高忠実度直接数値シミュレーションから744個のフルドメインのサンプルを含む2.2TBのデータセットネットワークを提案する。
3次元超解像のための5つのディープラーニングアプローチの合計49種類のバリエーションをベンチマークする。
論文 参考訳(メタデータ) (2023-09-23T18:57:02Z) - Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。
ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。
本稿では,物理統合復元ネットワーク(PiRN)を提案する。
論文 参考訳(メタデータ) (2023-07-20T05:49:21Z) - Convolutional Filtering on Sampled Manifolds [122.06927400759021]
サンプル多様体上の畳み込みフィルタリングは連続多様体フィルタリングに収束することを示す。
本研究は,ナビゲーション制御の問題点を実証的に明らかにした。
論文 参考訳(メタデータ) (2022-11-20T19:09:50Z) - Applying Physics-Informed Enhanced Super-Resolution Generative
Adversarial Networks to Turbulent Premixed Combustion and Engine-like Flame
Kernel Direct Numerical Simulation Data [0.0]
この研究は、最近開発されたPIESRGANによる乱流予混合燃焼のモデリング手法を推し進めている。
その結果, 全乱流予混合火炎核の直接数値シミュレーションデータに対して, 先行実験と後続試験に良好な結果が得られた。
論文 参考訳(メタデータ) (2022-10-28T15:27:46Z) - DepthFormer: Exploiting Long-Range Correlation and Local Information for
Accurate Monocular Depth Estimation [50.08080424613603]
高精度な単分子深度推定には長距離相関が不可欠である。
我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。
提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
論文 参考訳(メタデータ) (2022-03-27T05:03:56Z) - Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。
既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。
本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文 参考訳(メタデータ) (2022-03-11T10:47:16Z) - Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional
Analysis and Symbolic Regression [68.8204255655161]
ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。
我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。
前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
論文 参考訳(メタデータ) (2021-12-22T00:52:56Z) - Estimating permeability of 3D micro-CT images by physics-informed CNNs
based on DNS [1.6274397329511197]
本稿では,地質岩のマイクロCTによる透水率予測手法を提案する。
透過性予測専用のCNNのためのトレーニングデータセットは、古典格子ボルツマン法(LBM)によって通常生成される透過性ラベルからなる。
その代わりに、定常ストークス方程式を効率的かつ分散並列に解き、直接数値シミュレーション(DNS)を行う。
論文 参考訳(メタデータ) (2021-09-04T08:43:19Z)
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。