論文の概要: A machine-learning-based tool for last closed magnetic flux surface
reconstruction on tokamak
- arxiv url: http://arxiv.org/abs/2207.05695v1
- Date: Tue, 12 Jul 2022 17:15:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-13 16:08:03.798423
- Title: A machine-learning-based tool for last closed magnetic flux surface
reconstruction on tokamak
- Title(参考訳): トカマクにおける最終閉磁束表面再構成のための機械学習ツール
- Authors: Chenguang Wan, Zhi Yu, Alessandro Pau, Xiaojuan Liu, and Jiangang Li
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 58.42256764043771
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nuclear fusion power created by tokamak devices holds one of the most
promising ways as a sustainable source of clean energy. One main challenge
research field of tokamak is to predict the last closed magnetic flux surface
(LCFS) determined by the interaction of the actuator coils and the internal
tokamak plasma. This work requires high-dimensional, high-frequency,
high-fidelity, real-time tools, further complicated by the wide range of
actuator coils input interact with internal tokamak plasma states. In this
work, we present a new machine learning model for reconstructing the LCFS from
the Experimental Advanced Superconducting Tokamak (EAST) that learns
automatically from the experimental data of EAST. This architecture can check
the control strategy design and integrate it with the tokamak control system
for real-time magnetic prediction. In the real-time modeling test, our approach
achieves over 99% average similarity in LCFS reconstruction of the entire
discharge process. In the offline magnetic reconstruction, our approach reaches
over 93% average similarity.
- Abstract(参考訳): 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研究分野は、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磁束表面(lcfs)を予測することである。
この作業は高次元、高周波、高忠実、リアルタイムのツールを必要とし、内部トカマクプラズマ状態と相互作用する幅広いアクチュエータコイルによってさらに複雑になる。
本研究では,東方実験データから自動的に学習する東方超伝導トカマク(tokamak,東方超伝導トカマク)からlcfを再構成する新しい機械学習モデルを提案する。
このアーキテクチャは、制御戦略設計を確認し、トカマク制御システムと統合してリアルタイムの磁気予測を行うことができる。
実時間モデリングテストでは, LCFSの放電過程全体の復元において, 99%以上の類似性が得られた。
オフラインの磁気再構成では, 平均的類似度は93%を超える。
関連論文リスト
- 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) - Learning Energy-Based Prior Model with Diffusion-Amortized MCMC [89.95629196907082]
非収束短距離MCMCを用いた事前及び後方サンプリングによる潜時空間EMM学習の一般的な実践は、さらなる進歩を妨げている。
本稿では,MCMCサンプリングのための単純だが効果的な拡散型アモータイズ手法を導入し,それに基づく潜時空間EMMのための新しい学習アルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-10-05T00:23:34Z) - Comprehensive Characterization of a State-of-the-Art Apparatus for Cold
Electromagnetic Dysprosium Dipoles [0.0]
ジスプロシウム装置は量子ガス顕微鏡(QGM)と4分の1マイクロメートルの分解能を備える。
フル容量化に向けたQGMの基本的特徴と今後の計画について概説する。
論文 参考訳(メタデータ) (2023-04-25T14:17:19Z) - Efficient Image Super-Resolution with Feature Interaction Weighted
Hybrid Network [100.0415874554937]
本稿では、上記の問題を緩和する特徴相互作用重み付きハイブリッドネットワーク(FIWHN)を提案する。
具体的には、FIWHNは、バックボーンとしてのWDIB(Wide-Residual Distillation Interaction Blocks)のシリーズで構成されている。
CNNモデルに欠けているグローバル機能を補完するため、我々のモデルにTransformerを導入し、CNNとTransformerを組み合わせた新しい方法を模索した。
論文 参考訳(メタデータ) (2022-12-29T05:57:29Z) - Machine Learning model for gas-liquid interface reconstruction in CFD
numerical simulations [59.84561168501493]
流体の体積(VoF)法は多相流シミュレーションにおいて2つの不混和性流体間の界面を追跡・見つけるために広く用いられている。
VoF法の主なボトルネックは、計算コストが高く、非構造化グリッド上での精度が低いため、インタフェース再構成のステップである。
一般的な非構造化メッシュ上でのインタフェース再構築を高速化するために,グラフニューラルネットワーク(GNN)に基づく機械学習拡張VoF手法を提案する。
論文 参考訳(メタデータ) (2022-07-12T17:07:46Z) - Ab initio simulation of laser-induced electronic and vibrational
coherence [0.0]
核量子分布の初期構成によるアンサンブル生成は、単一軌道RT-TDDFT+Ehrenfestの多くの欠点を補うことを示す。
シミュレーションに時間依存パルスが明示的に含まれることで、この手法はコヒーレント非線形分光の第一原理研究の第一段階となる。
論文 参考訳(メタデータ) (2021-12-21T10:30:41Z) - Controlled coherent dynamics of [VO(TPP)], a prototype molecular nuclear
qudit with an electronic ancilla [50.002949299918136]
本稿では,[VO(TPP)](バナジルテトラフェニルポルフィリン酸塩)が量子計算アルゴリズムの実装に適していることを示す。
超微細相互作用によって結合された電子スピン1/2を核スピン7/2に埋め込み、どちらも顕著なコヒーレンスによって特徴づけられる。
論文 参考訳(メタデータ) (2021-03-15T21:38:41Z) - Bayesian Force Fields from Active Learning for Simulation of
Inter-Dimensional Transformation of Stanene [3.708456605408296]
本稿では,多体カーネルに基づく原子間力場に対するガウス過程モデルを劇的に高速化する方法を提案する。
これにより、ほぼ量子精度、組込みの不確実性、一定の評価コストを組み合わせたモデルの自動アクティブラーニングが可能になる。
論文 参考訳(メタデータ) (2020-08-26T20:27:19Z) - Using Machine Learning to Speed Up and Improve Calorimeter R&D [0.7106986689736827]
物理性能の評価を遅くする2つの典型的な問題は、特にカロリー検出器技術や構成に対するアプローチである。
本稿では,検出器開発および最適化サイクルの精度向上と高速化を目的とした,高度な機械学習技術の利用について論じる。
論文 参考訳(メタデータ) (2020-03-27T14:44:46Z) - Combining SchNet and SHARC: The SchNarc machine learning approach for
excited-state dynamics [3.058685580689605]
深層学習が光化学の研究分野の進展にどのように役立つかを示す。
性質は、複数のエネルギー、力、非断熱結合、スピン軌道結合である。
分子動力学プログラムSHARCと組み合わせて、SchNarcと呼ばれるアプローチをモデルシステムと2つの現実的多原子分子で検証した。
論文 参考訳(メタデータ) (2020-02-17T21:38:35Z)
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。