論文の概要: Application of parametric Shallow Recurrent Decoder Network to magnetohydrodynamic flows in liquid metal blankets of fusion reactors
- arxiv url: http://arxiv.org/abs/2604.02139v1
- Date: Thu, 02 Apr 2026 15:12:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:10.873914
- Title: Application of parametric Shallow Recurrent Decoder Network to magnetohydrodynamic flows in liquid metal blankets of fusion reactors
- Title（参考訳）: 核融合炉液体金属ブランケットの磁力流体流動に対するパラメトリック浅繰り返しデコーダネットワークの適用
- Authors: M. Lo Verso, C. Introini, E. Cervi, L. Savoldi, J. N. Kutz, A. Cammi,
- Abstract要約: 本研究では,MHD状態再構成のための完全データ駆動型フレームワークについて検討する。
SHRED(SHallow Recurrent Decoder)は、フルタイム状態の再構築を目的としたニューラルネットワークアーキテクチャである。
SHREDは、トレーニング中に見られない高い再構成精度、一般化、磁場強度、配向、時間的進化を実現する。
- 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: Magnetohydrodynamic (MHD) phenomena play a pivotal role in the design and operation of nuclear fusion systems, where electrically conducting fluids (such as liquid metals or molten salts employed in reactor blankets) interact with magnetic fields of varying intensity and orientation, influencing the resulting flow dynamics. The numerical solution of MHD models entails the resolution of highly nonlinear, multiphysics systems of equations, which can become computationally demanding, particularly in multi-query, parametric, or real-time contexts. This study investigates a fully data-driven framework for MHD state reconstruction that integrates dimensionality reduction through Singular Value Decomposition (SVD) with the SHallow REcurrent Decoder (SHRED), a neural network architecture designed to reconstruct the full spatio-temporal state from sparse time-series measurements of selected observables, including previously unseen parametric configurations. The SHRED methodology is applied to a three-dimensional geometry representative of a portion of a WCLL blanket cell, in which lead-lithium flows around a water-cooled tube. Multiple magnetic field configurations are examined, including constant toroidal fields, combined toroidal-poloidal fields, and time-dependent magnetic fields. Across all considered scenarios, SHRED achieves high reconstruction accuracy, robustness, and generalization to magnetic field intensities, orientations, and temporal evolutions not seen during training. Notably, in the presence of time-varying magnetic fields, the model accurately infers the temporal evolution of the magnetic field itself using temperature measurements alone. Overall, the findings identify SHRED as a computationally efficient, data-driven, and flexible approach for MHD state reconstruction, with significant potential for real-time monitoring, diagnostics and control in fusion reactor systems.
- Abstract（参考訳）: 磁気流体力学(MHD)現象は核融合系の設計と運用において重要な役割を担い、電気的に導電する流体(液体金属や原子炉ブランケットで使用される溶融塩など)が様々な強度と向きの磁場と相互作用し、その結果の流れに影響を及ぼす。
MHDモデルの数値解は、特にマルチクエリ、パラメトリック、リアルタイムの文脈において、計算的に要求される方程式の高非線形多物理系の解を必要とする。
本研究では,Singular Value Decomposition (SVD) とSHRED (SHallow Recurrent Decoder) を統合したMHD状態再構成のための完全なデータ駆動フレームワークについて検討した。
SHRED法は、WCLLブランケットセルの一部の3次元形状に応用され、鉛-リチウムが冷却管の周囲を流れる。
一定トロイダル磁場, トロイダル-ポロイド磁場, 時間依存性磁場を含む複数の磁場構成について検討した。
全ての考慮されたシナリオにおいて、SHREDは、トレーニング中に見られない磁場強度、配向、時間的進化への高い再構成精度、堅牢性、一般化を達成する。
特に、時間変化磁場の存在下では、このモデルは温度測定だけで磁場自体の時間的進化を正確に推測する。
これらの結果は、SHREDをMHD状態再構築のための計算効率が高く、データ駆動で柔軟なアプローチであり、核融合炉システムにおけるリアルタイムモニタリング、診断、制御に重要な可能性を秘めている。
関連論文リスト
- Surrogate models for nuclear fusion with parametric Shallow Recurrent Decoder Networks: applications to magnetohydrodynamics [0.0]
本研究では,MHD状態再構成のためのデータ駆動型フレームワークについて検討する。
SHREDは、スパース時系列測定からフルタイム状態を回復するために設計されたニューラルネットワークアーキテクチャである。
その結果, SHREDはトレーニングセットに含まれない磁場強度に対しても, 完全MHD状態を正確に再構成することがわかった。
論文 参考訳（メタデータ） (2026-03-11T11:43:39Z) - Orbital Transformers for Predicting Wavefunctions in Time-Dependent Density Functional Theory [45.322818939044645]
時間依存密度汎関数理論(TDDFT)でシミュレートされた波動関数の学習を目指す。
リアルタイムTDDFTでは、分子の電子波動関数は外部励起に応答して時間とともに進化する。
本稿では,全電子波動関数の時間的発展を学習するOrbEvoを提案する。
論文 参考訳（メタデータ） (2026-03-03T20:34:05Z) - Gradient Networks for Universal Magnetic Modeling of Synchronous Machines [39.146761527401424]
本稿では,飽和同期機の動的モデリングのための物理インフォームドニューラルネットワーク手法を提案する。
本稿では,勾配ネットワークを基本機械方程式に直接組み込むアーキテクチャを提案する。
本稿では,5.6kW永久磁石同期機の有限要素法(FEM)を用いて提案手法を検証する。
論文 参考訳（メタデータ） (2026-02-16T17:28:42Z) - Physics Aware Neural Networks: Denoising for Magnetic Navigation [3.624059602945058]
空中システムは、地磁気データを抽出する上で重要な課題に直面している。
本研究では, 分散自由ベクトル場とE(3)等分散という, 物理学に基づく2つの制約に基づく枠組みを提案する。
実験により、これらの制約を埋め込むことで予測精度と物理的妥当性が大幅に向上し、古典的なディープラーニングアプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-02-14T09:23:57Z) - Magnetic field estimation using Gaussian process regression for interactive wireless power system design [6.102646086243458]
共振器を結合したワイヤレス電力伝送は、電子機器のシームレスな電力供給に有望なソリューションを提供する。
磁場と電力伝達効率を可視化するインタラクティブな設計手法は、これらのシステムの理解と探索を容易にする。
本稿では,Gaussian Process Regression (GPR) を用いた機械学習手法を提案する。
論文 参考訳（メタデータ） (2025-10-22T06:26:38Z) - Observation of Magnetic Devil's Staircase-Like Behavior in Quasiperiodic Qubit Lattices [55.2480439325792]
悪魔の階段(DS)現象は、外界への磁化のフラクタル反応である。
我々は、単純で効果的なIsing-modelフレームワークにおいて、外部磁場の増加によって引き起こされる急激な磁気遷移を多数発見する。
本研究は,DSの挙動が周期的システムに限定されているという一般的な見方に挑戦する。
論文 参考訳（メタデータ） (2025-07-24T21:39:06Z) - Towards Efficient Parametric State Estimation in Circulating Fuel Reactors with Shallow Recurrent Decoder Networks [3.422016133670755]
本稿では, 中性子と熱水圧との強い結合を特徴とする第4世代原子炉である溶融塩高速炉(MSFR)の試験事例として考察する。
リアルタイムの全ての特性場の正確な再構成により、この手法は原子炉デジタルツインの枠組みにおける監視と制御の目的に適している。
論文 参考訳（メタデータ） (2025-03-11T21:32:28Z) - Time-inversion of spatiotemporal beam dynamics using uncertainty-aware latent evolution reversal [46.348283638884425]
本稿では,フォワードビームダイナミクスの時相を考慮したリバースラテント進化モデル(rLEM)を提案する。
この2段階の自己教師型深層学習フレームワークでは、空調オートエンコーダ(CVAE)を用いて荷電粒子ビームの6次元空間投影を低次元潜在分布に投影する。
次に,Long Short-Term Memory (LSTM) ネットワークを用いて,潜在空間における逆時間力学を自動回帰的に学習する。
論文 参考訳（メタデータ） (2024-08-14T23:09:01Z) - A conditional latent autoregressive recurrent model for generation and forecasting of beam dynamics in particle accelerators [46.348283638884425]
本稿では,加速器内の荷電粒子のダイナミクスを学習するための2段階の非教師付きディープラーニングフレームワークであるLatent Autoregressive Recurrent Model (CLARM)を提案する。
CLARMは、潜在空間表現をキャプチャしてデコードすることで、様々な加速器サンプリングモジュールでプロジェクションを生成することができる。
その結果,提案手法の予測能力と生成能力は,様々な評価指標と比較した場合に有望であることが示唆された。
論文 参考訳（メタデータ） (2024-03-19T22:05:17Z) - A machine-learning-based tool for last closed magnetic flux surface
reconstruction on tokamak [58.42256764043771]
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。
論文 参考訳（メタデータ） (2022-07-12T17:15:29Z)
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。