論文の概要: Dynamic Plasma Shape Control with Arbitrary Sensor Subsets

• arxiv url: http://arxiv.org/abs/2605.15935v1
• Date: Fri, 15 May 2026 13:15:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 17:44:16.329208
• Title: Dynamic Plasma Shape Control with Arbitrary Sensor Subsets
• Title（参考訳）: 任意センササブセットを用いた動的プラズマ形状制御
• Authors: D. Sorokin, M. Stokolesov, A. Granovskiy, I. Prokofyev, E. Adishchev, M. Nurgaliev, E. Khayrutdinov, G. Subbotin, R. Clark, D. Orlov,
• Abstract要約: トカマク形状制御のための強化学習剤を提案する。 このエージェントは、DIII-D用に設定された高忠実度トカマクシミュレータであるNSFsimで訓練されている。 平均形状誤差は2.01cmであり、シミュレーションや物理デバイス上では動的軌跡が定性的に示される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Plasma shape control in tokamaks requires a real-time controller that tracks dynamically changing shape targets while tolerating diagnostic failures. Classical approaches decompose the problem into equilibrium reconstruction followed by a linear controller, and assume a fixed, fully operational sensor set. We present a reinforcement learning agent that addresses both limitations simultaneously. The agent is trained in NSFsim, a high-fidelity tokamak simulator configured for DIII-D, on a curated dataset of 120 experimental plasma shapes. The shape targets are resampled as random step changes every 0.25 s, exposing the agent to diverse transitions across the full shape envelope. At test time the agent zero-shot tracks dynamic shape sequences; on a held-out static configuration in simulation it achieves a mean shape error of 2.01 cm, and dynamic trajectory following is demonstrated qualitatively in simulation and on the physical device. Diagnostic dropout randomly masks 30% of magnetic sensors per episode, yielding a single policy robust to arbitrary sensor subsets without backup controllers or mode-switching logic. An asymmetric actor-critic architecture with privileged equilibrium information improves value estimation under partial observability; an auxiliary shape reconstruction head on the actor enables end-to-end shape reconstruction from raw diagnostics and serves as an interpretability tool for policy analysis. The policy transfers to experimental DIII-D shots, where it directly commands the coil actuators on two dynamic shape maneuvers, and to the independent GSevolve simulator.
• Abstract（参考訳）: トカマクのプラズマ形状制御には、診断障害を許容しながら動的に変化する形状目標を追跡するリアルタイムコントローラが必要である。 古典的なアプローチでは、問題を平衡再構成と線形コントローラに分解し、固定された完全に動作するセンサーセットを仮定する。 両制約を同時に扱う強化学習エージェントを提案する。 このエージェントは、DIII-D用に構成された高忠実トカマクシミュレータであるNSFsimで、120の実験プラズマ形状のキュレートデータセットで訓練されている。 形状ターゲットは0.25秒ごとにランダムなステップが変化し、エージェントが全形状エンベロープのさまざまな遷移に晒されるように再サンプリングされる。 テスト時、エージェントゼロショットは動的形状シーケンスをトラックし、シミュレーションにおいて保留状態の静的な構成で平均形状誤差2.01cmを達成し、シミュレーションおよび物理デバイス上で動的軌跡を定性的に示す。 診断のドロップアウトは1エピソードあたり30%の磁気センサをランダムにマスクし、バックアップコントローラやモードスイッチングロジックを使わずに、任意のセンサーサブセットに対して単一のポリシーを堅牢にする。 特権均衡情報を有する非対称アクター批判アーキテクチャは、部分的可観測性の下での値推定を改善し、アクターの補助形状再構成ヘッドは、生診断からエンドツーエンド形状復元を可能にし、ポリシー解析の解釈可能性ツールとして機能する。 ポリシーは実験的なDIII-Dショットに転送され、2つの動的形状操作でコイルアクチュエータを直接指令し、独立したGSevolveシミュレータに転送する。

関連論文リスト

• Continuum Robot Modeling with Action Conditioned Flow Matching [5.861206243996455]
  腱駆動型ロボット(TDCR)の運動状態における形状の予測は依然として困難である。 本稿では,軽量な3DプリントTDCRハードウェアプラットフォームと,複数のカメラを備えたRGB-Dデータ収集パイプラインを提案する。 ロボットの3次元形状に運動状態をマッピングする点雲流マッチングモデルを学習する。
  論文  参考訳（メタデータ） (2026-05-09T23:22:49Z)
• Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
  Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。 本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。 このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
  論文  参考訳（メタデータ） (2026-04-10T17:12:07Z)
• Graph Neural ODE Digital Twins for Control-Oriented Reactor Thermal-Hydraulic Forecasting Under Partial Observability [6.370970195988317]
  高度原子炉のリアルタイム監視制御には、プラント全体の熱水和状態の正確な予測が必要である。 物理インフォームドメッセージパス型微分ニューラルネットワークとニューラル正規方程式(GNN-ODE)を提案する。 GNN-ODEサロゲートはシステムダイナミクス予測に満足な結果が得られる。
  論文  参考訳（メタデータ） (2026-04-08T16:58:14Z)
• Anisotropic Permeability Tensor Prediction from Porous Media Microstructure via Physics-Informed Progressive Transfer Learning with Hybrid CNN-Transformer [0.0]
  細孔スケールの微細構造画像からの透水性テンソルの予測は地下流れのモデリングには不可欠であるが、直接数値シミュレーションではサンプルあたりの時間を要する。 MaxViTハイブリッドCNN-Transformerアーキテクチャと、プログレッシブトランスファー学習と微分可能な物理的制約を組み合わせることで、このボトルネックを解決する物理インフォームドディープラーニングフレームワークが提示される。
  論文  参考訳（メタデータ） (2026-03-18T09:41:01Z)
• i-PhysGaussian: Implicit Physical Simulation for 3D Gaussian Splatting [60.46736489360263]
  i-PhysGaussian は 3D Gaussian Splatting (3DGS) と暗黙のMaterial Point Method (MPM) を結合するフレームワークである。 明示的な方法とは異なり、我々の解は運動量-平衡残差を最小化することでステップの終了状態を得る。 結果は、i-PhysGaussianは明示的なベースラインよりも最大20倍の時間ステップで安定性を維持することを示した。
  論文  参考訳（メタデータ） (2026-02-19T06:38:35Z)
• DiffeoMorph: Learning to Morph 3D Shapes Using Differentiable Agent-Based Simulations [2.174820084855635]
  DiffeoMorphは、形態形成プロトコルを学ぶためのエンドツーエンドの差別化可能なフレームワークである。 エージェントの集団がターゲットの3D形状に変化するように誘導する。 DiffeoMorph は最小限のキューのみを用いて様々な形状を形成可能であることを示す。
  論文  参考訳（メタデータ） (2025-12-18T23:50:42Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• Adaptive Model-Predictive Control of a Soft Continuum Robot Using a Physics-Informed Neural Network Based on Cosserat Rod Theory [2.7114475063296455]
  本研究は、ドメイン分割物理インフォームドニューラルネットワーク(DD-PINN)に基づくSCRのためのリアルタイム対応非線形モデル予測制御(MPC)フレームワークを導入する。 シミュレーションでは、動的軌跡の正確な追跡と3mm以下の端点位置誤差によるセットポイント制御が示される。 実世界の実験では、コントローラーも同様の精度と加速を3.55 m/s2まで達成している。
  論文  参考訳（メタデータ） (2025-08-18T07:24:36Z)
• PICT -- A Differentiable, GPU-Accelerated Multi-Block PISO Solver for Simulation-Coupled Learning Tasks in Fluid Dynamics [62.93137406343609]
  我々はPyTorchで符号化された可変圧単純化解器であるPICTをGPU(Graphics-Processing-unit)をサポートした流体シミュレータとして提案する。 まず,様々なベンチマークにおいて,フォワードシミュレーションと導出した勾配の精度を検証した。 2次元, 3次元の複雑な乱流モデルの学習には, 解法によって得られる勾配が有効であることを示す。
  論文  参考訳（メタデータ） (2025-05-22T17:55:10Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)

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。