論文の概要: Optimizing External Sources for Controlled Burning Plasma in Tokamaks with Neural Ordinary Differential Equations

• arxiv url: http://arxiv.org/abs/2507.09431v1
• Date: Sat, 12 Jul 2025 23:56:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:23.170254
• Title: Optimizing External Sources for Controlled Burning Plasma in Tokamaks with Neural Ordinary Differential Equations
• Title（参考訳）: ニューラル常微分方程式を用いたトカマク内燃焼プラズマの最適外部源
• Authors: Zefang Liu, Weston M. Stacey,
• Abstract要約: 本研究は, ニューラル常微分方程式に基づく多次元プラズマ力学モデルを用いた逆モデリング手法を提案する(ニューラルODE)。 我々は、プラズマを特定の行動に向けて駆動する中性ビーム注入(NBI)電力などの外部源プロファイルを計算する。 このフレームワークは、フォワードシミュレーションツールを制御指向モデルに変換し、現在および将来の融合デバイスで外部ソースプロファイルを計算するための実用的な方法を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Achieving controlled burning plasma in tokamaks requires precise regulation of external particle and energy sources to reach and maintain target core densities and temperatures. This work presents an inverse modeling approach using a multinodal plasma dynamics model based on neural ordinary differential equations (Neural ODEs). Given a desired time evolution of nodal quantities such as deuteron density or electron temperature, we compute the external source profiles, such as neutral beam injection (NBI) power, that drive the plasma toward the specified behavior. The approach is implemented within the NeuralPlasmaODE framework, which models multi-region, multi-timescale transport and incorporates physical mechanisms including radiation, auxiliary heating, and internodal energy exchange. By formulating the control task as an optimization problem, we use automatic differentiation through the Neural ODE solver to minimize the discrepancy between simulated and target trajectories. This framework transforms the forward simulation tool into a control-oriented model and provides a practical method for computing external source profiles in both current and future fusion devices.
• Abstract（参考訳）: トカマクで制御された燃焼プラズマを得るには、ターゲットのコア密度と温度に到達し維持するために外部粒子とエネルギー源を正確に調節する必要がある。 本研究は,ニューラル常微分方程式(ニューラルODE)に基づく多次元プラズマ力学モデルを用いた逆モデリング手法を提案する。 重陽子密度や電子温度などの能動量の所望の時間的変化を考慮し、プラズマを特定の行動に向けて駆動する中性ビーム注入(NBI)電力などの外部源プロファイルを計算する。 このアプローチは、マルチリージョン、マルチタイムの輸送をモデル化し、放射線、補助加熱、潮間エネルギー交換を含む物理的メカニズムを組み込んだNeuralPlasmaODEフレームワーク内に実装されている。 制御タスクを最適化問題として定式化することにより、ニューラルODEソルバによる自動微分を用いて、シミュレートされた軌道と対象軌道との差を最小限に抑える。 このフレームワークは、フォワードシミュレーションツールを制御指向モデルに変換し、現在および将来の融合デバイスで外部ソースプロファイルを計算するための実用的な方法を提供する。

関連論文リスト

• Sensitivity Analysis of Transport and Radiation in NeuralPlasmaODE for ITER Burning Plasmas [0.0]
  我々はNeuralPlasmaODEを拡張し、ITERプラズマの輸送機構と放射機構の感度解析を行う。 その結果, 磁場強度, 安全因子, 不純物含量がエネルギー閉じ込めに及ぼす影響が明らかにされた。
  論文  参考訳（メタデータ） (2025-07-13T00:00:47Z)
• Iterative Distillation for Reward-Guided Fine-Tuning of Diffusion Models in Biomolecular Design [53.93023688824764]
  生体分子設計における報酬誘導生成のための微調整拡散モデルの問題に対処する。 本稿では,拡散モデルによる任意の報酬関数の最適化を可能にする,反復蒸留に基づく微調整フレームワークを提案する。 KLの発散最小化と相まって,既存のRL法と比較してトレーニングの安定性とサンプル効率を向上させる。
  論文  参考訳（メタデータ） (2025-07-01T05:55:28Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• 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)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• Deep generative modelling of canonical ensemble with differentiable thermal properties [0.9421843976231371]
  標準アンサンブルの温度の異なる変分モデルを提案する。 深部生成モデルを用いて、連続した温度範囲で自由エネルギーを推定し、同時に最小化する。 トレーニングプロセスはデータセットを必要とせず、任意の明示的な密度生成モデルで動作する。
  論文  参考訳（メタデータ） (2024-04-29T03:41:49Z)
• Application of Neural Ordinary Differential Equations for Tokamak Plasma Dynamics Analysis [0.0]
  本研究ではニューラル正規微分方程式(ニューラルODE)を用いたマルチリージョンマルチタイムトランスポートモデルを提案する。 本手法は,DIII-D からカマク実験データへの拡散係数の数値的導出にニューラルネットワークを利用する。 これらの領域は異なるノードとして概念化され、効率的なトカマク操作に必要な放射線および輸送過程の重要な時間スケールを捉えている。
  論文  参考訳（メタデータ） (2024-03-03T22:55:39Z)
• 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)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• 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)

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。