論文の概要: Cycle-Consistent and Uncertainty-Aware Neural Surrogates for Tokamak Edge Plasmas

• arxiv url: http://arxiv.org/abs/2607.21407v1
• Date: Thu, 23 Jul 2026 15:06:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.451285
• Title: Cycle-Consistent and Uncertainty-Aware Neural Surrogates for Tokamak Edge Plasmas
• Title（参考訳）: トカマクエッジプラズマのサイクル持続性と不確実性を考慮したニューラルサロゲート
• Authors: Abdourahmane Diaw, Sebastian De Pascuale, Jae-Sun Park, Ivan Paradela Perez, Jeremy D. Lore, Stefan Dasbach,
• Abstract要約: 境界プラズマと変圧器プラズマはトカマクが動力と粒子を排出する方法を支配している。 機械学習のサロゲートは高速な代替手段を提供するが、多くは前方のみである。 本稿では,エッジプラズマに対するサイクル一貫性ニューラルサロゲートを提案する。
• 参考スコア（独自算出の注目度）: 0.040071856451118486
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The boundary and divertor plasma govern how a tokamak exhausts power and particles, setting heat fluxes, target conditions, and the onset of detachment. Predicting these quantities is essential for operating current and future devices, but edge simulations that resolve them are too slow for parameter scans, optimization, or real-time control. Machine-learning surrogates offer a fast alternative, yet most are forward-only: they cannot recover input parameters from observations or assess the reliability of their predictions. We introduce a cycle-consistent neural surrogate for edge plasmas, combining a conditional U-Net forward model with an optimization-based inverse method built on the frozen forward network. The forward model maps five control parameters to two-dimensional plasma-state fields on the SOLPS-ITER mesh; the inverse method enforces consistency between forward and inverse predictions, a self-supervised quality check needing no ground-truth labels at inference. An ensemble of multilayer perceptrons also predicts electron temperature and density profiles at the outboard midplane and divertor targets, with uncertainty estimates that flag where more simulations are needed. The forward model achieves normalized root-mean-square errors below 2.6% and Pearson correlations above 0.95 for all fields. Cycle-consistency regularization raises the average cyclical $R^2$ from 0.59 to 0.99 without degrading forward accuracy and enables recovery of the core fueling rate; all five control parameters are recovered with Pearson $r\ge0.97$. A $k$-d tree warm start yields a database completion rate above 95%, versus roughly 30% outright failures when cold-started. With about $4\times10^6$ parameters, the model produces full 2D predictions in milliseconds, five to six orders of magnitude faster than SOLPS-ITER, enabling real-time control, parameter scans, uncertainty analysis, and digital twins.
• Abstract（参考訳）: 境界と発散体プラズマは、トカマクが電力と粒子を排出し、熱流束、ターゲット条件、脱離の開始を制御している。 これらの量の予測は、現在および将来のデバイスを操作するには不可欠だが、それらを解決するエッジシミュレーションは、パラメータスキャン、最適化、リアルタイム制御には遅すぎる。 機械学習サロゲートは高速な代替手段を提供するが、多くは前方のみであり、観測結果から入力パラメータを復元したり、予測の信頼性を評価することはできない。 凍結前処理ネットワーク上に構築された最適化に基づく逆法と条件付きU-Netフォワードモデルを組み合わせた,エッジプラズマのためのサイクル一貫性ニューラルサロゲートを提案する。 フォワードモデルは、5つの制御パラメータをSOLPS-ITERメッシュ上の2次元プラズマ状態場にマッピングする。 マルチ層パーセプトロンのアンサンブルはまた、外面およびダイバーターターゲットにおける電子温度と密度プロファイルを予測し、より多くのシミュレーションが必要なフラグを不確実性推定する。 フォワードモデルは2.6%以下の正規化ルート平均二乗誤差と、すべてのフィールドに対して0.95以上のピアソン相関を達成する。 サイクル整合正則化は平均サイクルR^2$を0.59から0.99に上昇させるが、前向きの精度は低下せず、コア燃料の回収が可能であり、5つの制御パラメータは全てピアソン$r\ge0.97$で回収される。 k$-dのツリーウォームスタートでは、データベースの完了率が95%以上になるが、コールドスタート時には、約30%のアウトライト障害が発生する。 約4\times10^6$パラメータで、SOLPS-ITERよりも5～6桁高速なミリ秒で完全な2D予測を生成し、リアルタイム制御、パラメータスキャン、不確実性解析、デジタルツインを実現している。

関連論文リスト

• Multi-Fidelity Emulation of Atmospheric Correction Coefficients with Physics-Guided Kolmogorov-Arnold Networks [0.17188280334580194]
  大気補正は光リモートセンシングにおける重要な前処理ステップである。 本研究では,大気補正係数をエミュレートする物理対応多面体サロゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-04T22:43:25Z)
• 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)
• Interpretable AI-Assisted Early Reliability Prediction for a Two-Parameter Parallel Root-Finding Scheme [0.0]
  我々は,kNN-LLEプロキシ安定度プロファイルとマルチ水平早期予測に基づくパラメータ化ルートフィンディングスキームのAI支援信頼性診断フレームワークを提案する。 このフレームワークは解釈可能な安定性指標を提供し、継続、再起動、パラメータの調整など、ソルバ実行時の早期決定をサポートする。
  論文  参考訳（メタデータ） (2026-03-17T15:17:35Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Assessing the Limits of Graph Neural Networks for Vapor-Liquid Equilibrium Prediction: A Cryogenic Mixture Case Study [3.765010805872486]
  本研究では、GERG-2008/CoolPropデータに基づいてトレーニングされた構造対応グラフニューラルネットワーク(GNN; DimeNet++)が、状態方程式(EoS)の実用的なサロゲートとして機能するかどうかを問う。 我々は90～200K以上の3次データセットと100バーへの圧力を生成し、15%密度フィルタ(5,200状態を1,516に還元する)でキュレートし、各状態と軽量な分子力学スナップショットを組み合わせて構造特性の供給を行う。 我々は、構成上、この研究におけるサロゲートは、VLEに対して平衡対応可能ではなく、実行時利益を提供しない、と結論づける。
  論文  参考訳（メタデータ） (2025-09-10T16:10:58Z)
• Fantastic Pretraining Optimizers and Where to Find Them [59.56075036649332]
  AdamWは長い間、言語モデルの事前訓練において支配的な勾配だった。 行列ベースの行列の高速化はモデルスケールに逆比例する。
  論文  参考訳（メタデータ） (2025-09-02T07:43:22Z)
• Variational Digital Twins [0.44241702149260353]
  本稿では,標準ニューラルアーキテクチャをベイズ出力層で拡張する変分ディジタルツイン(VDT)フレームワークを提案する。 この軽量な追加は、新しいVDT更新アルゴリズムと共に、コモディティGPU上で2秒間にアップデートできる。 VDTは4つのエネルギー領域問題について評価する。
  論文  参考訳（メタデータ） (2025-06-25T02:05:30Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)

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。