論文の概要: 5D Neural Surrogates for Nonlinear Gyrokinetic Simulations of Plasma Turbulence

• arxiv url: http://arxiv.org/abs/2502.07469v1
• Date: Tue, 11 Feb 2025 11:25:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:10:47.705574
• Title: 5D Neural Surrogates for Nonlinear Gyrokinetic Simulations of Plasma Turbulence
• Title（参考訳）: プラズマ乱流の非線形運動学シミュレーションのための5次元ニューラルサロゲート
• Authors: Gianluca Galletti, Fabian Paischer, Paul Setinek, William Hornsby, Lorenzo Zanisi, Naomi Carey, Stanislas Pamela, Johannes Brandstetter,
• Abstract要約: 本稿では,5次元ジャイロキネティックシミュレーションのためのニューラルネットワークサロゲートのトレーニング法を提案する。 本手法は階層型視覚変換器を5次元に拡張し,アディバティック電子近似のための5次元分布関数をトレーニングする。 我々の研究は、プラズマ乱流シミュレーションのためのニューラルサロゲートへの道を開き、核融合による商業エネルギー生産の展開を加速させる。
• 参考スコア（独自算出の注目度）: 9.788870512075171
• License:
• Abstract: Nuclear fusion plays a pivotal role in the quest for reliable and sustainable energy production. A major roadblock to achieving commercially viable fusion power is understanding plasma turbulence, which can significantly degrade plasma confinement. Modelling turbulence is crucial to design performing plasma scenarios for next-generation reactor-class devices and current experimental machines. The nonlinear gyrokinetic equation underpinning turbulence modelling evolves a 5D distribution function over time. Solving this equation numerically is extremely expensive, requiring up to weeks for a single run to converge, making it unfeasible for iterative optimisation and control studies. In this work, we propose a method for training neural surrogates for 5D gyrokinetic simulations. Our method extends a hierarchical vision transformer to five dimensions and is trained on the 5D distribution function for the adiabatic electron approximation. We demonstrate that our model can accurately infer downstream physical quantities such as heat flux time trace and electrostatic potentials for single-step predictions two orders of magnitude faster than numerical codes. Our work paves the way towards neural surrogates for plasma turbulence simulations to accelerate deployment of commercial energy production via nuclear fusion.
• Abstract（参考訳）: 核融合は、信頼性と持続可能なエネルギー生産の探求において重要な役割を担っている。 商業的に実現可能な核融合力を達成するための主要な障害は、プラズマの乱流を理解することである。 次世代の原子炉級装置や現在の実験機械のプラズマシナリオを設計するには,乱流のモデル化が不可欠である。 乱流モデルに基づく非線形ジャイロ運動方程式は時間とともに5次元分布関数を進化させる。 この方程式を数値的に解くのは非常に高価であり、単一のランが収束するまでに数週間かかるため、反復最適化と制御の研究は不可能である。 本研究では,5次元ジャイロキネティックシミュレーションのための神経代理の訓練法を提案する。 本手法は階層型視覚変換器を5次元に拡張し,アディバティック電子近似のための5次元分布関数をトレーニングする。 本研究では, 単段予測における熱流時間トレースや静電電位などの下流の物理量を数値コードより2桁高速に推定できることを実証した。 我々の研究は、プラズマ乱流シミュレーションのためのニューラルサロゲートへの道を開き、核融合による商業エネルギー生産の展開を加速させる。

関連論文リスト

• Energy-Based Diffusion Language Models for Text Generation [126.23425882687195]
  エネルギーベース拡散言語モデル(Energy-based Diffusion Language Model, EDLM)は、拡散ステップごとに全シーケンスレベルで動作するエネルギーベースモデルである。 我々のフレームワークは、既存の拡散モデルよりも1.3$times$のサンプリングスピードアップを提供する。
  論文  参考訳（メタデータ） (2024-10-28T17:25:56Z)
• Application of Neural Ordinary Differential Equations for ITER Burning Plasma Dynamics [0.0]
  トカマクの燃焼プラズマのダイナミクスは、制御熱核融合の進行に不可欠である。 本研究では, ITER重水素トリチウム(D-T)プラズマの複雑なエネルギー伝達過程をシミュレートするためにNeuralPlasmaODEを適用した。
  論文  参考訳（メタデータ） (2024-08-26T16:47:20Z)
• Unfolding Time: Generative Modeling for Turbulent Flows in 4D [49.843505326598596]
  本研究では,4次元生成拡散モデルと物理インフォームドガイダンスを導入し,現実的な流れ状態列の生成を可能にする。 提案手法は, 乱流多様体からのサブシーケンス全体のサンプリングに有効であることが示唆された。 この進展は、乱流の時間的進化を分析するために生成モデリングを適用するための扉を開く。
  論文  参考訳（メタデータ） (2024-06-17T10:21:01Z)
• 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)
• Hybridizing Physics and Neural ODEs for Predicting Plasma Inductance Dynamics in Tokamak Fusion Reactors [0.0]
  我々は、Alcator C-Mod核融合炉のデータに基づいて、物理モデルとニューラルネットワークモデルの両方を訓練する。 物理に基づく方程式をニューラルODEと組み合わせたモデルは、既存の物理動機付きODEと純粋なニューラルODEモデルの両方よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-10-30T23:25:54Z)
• Your Autoregressive Generative Model Can be Better If You Treat It as an Energy-Based One [83.5162421521224]
  本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。 E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。 我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
  論文  参考訳（メタデータ） (2022-06-26T10:58:41Z)
• Unsupervised Discovery of Inertial-Fusion Plasma Physics using Differentiable Kinetic Simulations and a Maximum Entropy Loss Function [77.34726150561087]
  プラズマ運動学3次元偏微分方程式の微分可能解法を作成し, 領域固有の目的関数を導入する。 我々はこの枠組みを慣性融合に関する構成に適用し、最適化プロセスが新しい物理効果を利用することを示す。
  論文  参考訳（メタデータ） (2022-06-03T15:27:33Z)
• Turbulent field fluctuations in gyrokinetic and fluid plasmas [0.0]
  磁気閉じ込め核融合炉の設計・開発における重要な不確実性は、エッジプラズマの乱流を予測することである。 ドリフト還元ブラジンスキー二流体理論は、実験において何十年にもわたってシミュレーションされた境界プラズマを持つ還元方程式の集合である。 静電二流体理論と電磁ジャイロキネティック・モデリングの乱流変動に関する最初の直接的定量的比較を行った。
  論文  参考訳（メタデータ） (2021-07-20T19:50:30Z)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)

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。