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

• Zero-point energy of tensor fluctuations on the MPS manifold [0.05524804393257919]
  本研究では, 行列積状態(MPS)多様体を用いた高相関磁気系における低エネルギー物理の研究手法を提案する。 我々は,MPSにより基底状態がより良く表現されるシステムに,ある種の低絡磁材料をモデル化することに成功しているスピン波アプローチを適用した。
  論文  参考訳（メタデータ） (2024-10-29T18:00:02Z)
• Voltage-Controlled Magnetoelectric Devices for Neuromorphic Diffusion Process [16.157882920146324]
  我々は、ニューロモルフィック拡散プロセスのためのスピントロニック電圧制御磁気メモリハードウェアを開発した。 磁気メモリの非揮発性により,高速かつ低コストな計算が可能となる。
  論文  参考訳（メタデータ） (2024-07-17T02:14:22Z)
• Cascade of phase transitions in the training of Energy-based models [9.945465034701288]
  原型エネルギーベース生成モデルBernoulli-Bernoulli RBMの特徴符号化過程について検討した。 本研究は、その特異値分解によるモデルの重み行列の進化をトラックする。 我々はBernoulli-Bernoulli RBMを実データ集合上でトレーニングすることで理論的結果を検証する。
  論文  参考訳（メタデータ） (2024-05-23T15:25:56Z)
• Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
  マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。 これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。 本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:04:10Z)
• Plasma Surrogate Modelling using Fourier Neural Operators [57.52074029826172]
  トカマク炉内のプラズマの進化を予測することは、持続可能な核融合の目標を実現するために不可欠である。 深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いた進化プラズマ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観測された実世界の実験データに基づいて、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)
• 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)
• 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)
• 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。