論文の概要: Real-time virtual circuits for plasma shape control via neural network emulators: experimental demonstration on MAST Upgrade
- arxiv url: http://arxiv.org/abs/2608.28468v1
- Date: Fri, 28 Aug 2026 15:55:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.387723
- Title: Real-time virtual circuits for plasma shape control via neural network emulators: experimental demonstration on MAST Upgrade
- Title（参考訳）: ニューラルネットワークエミュレータによるプラズマ形状制御のためのリアルタイム仮想回路:MASTアップグレード実験
- Abstract要約: トカマクにおける従来のプラズマ形状制御は、線形化からオフラインで計算される仮想回路(VC)に依存している。
プリセットされたルックアップテーブルを、プラズマ応答のサロゲートを使用して、リアルタイムで更新されたVCに置き換える。
これらの結果は、トカマクにおける従来のプラズマ形状制御の実践的拡張として、リアルタイム線形化の実験的実現可能性を確立した。
- 参考スコア（独自算出の注目度）: 1.297149381304018
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conventional plasma shape control in tokamaks relies on virtual circuits (VCs) that are computed offline from linearisations around a small, tailored number of reference equilibria, and deployed as expertly prepared schedules during the discharge. Here, we report on the first experimental deployment of real-time VCs. We replace pre-set look up tables with VCs updated in real time using surrogates of the plasma response. Both the existing control architecture and the interpretability of VC-based control are retained. Previous work showed that neural network emulators can produce accurate VCs, and validated their performance in closed-loop shape control simulations. Here, we report their first experimental validation on MAST Upgrade (MAST-U). Dedicated experiments spanning different scenarios, including prescribed shape perturbations, feedback-driven divertor-leg motion, and strongly evolving plasma configurations, show that real-time VCs can realise plasma shape control tasks within the MAST-U plasma control system. These results establish the experimental feasibility of real-time linearisations as a practical extension of conventional plasma shape control in tokamaks. The present implementation demonstrates a central step towards a simpler control workflow, in which manually constructed, phased VC schedules are replaced by VCs generated automatically online from a trained surrogate model, without scenario-specific retraining.
- Abstract（参考訳）: トカマクにおける従来のプラズマ形状制御は、線形化からオフラインに計算される仮想回路(VC)に依存しており、少数の基準平衡を調整し、放電中に専門的に準備されたスケジュールとして展開される。
ここでは、リアルタイムVCの初めての実験的な展開について報告する。
プリセットされたルックアップテーブルを、プラズマ応答のサロゲートを使用して、リアルタイムで更新されたVCに置き換える。
既存の制御アーキテクチャとVCベースの制御の解釈可能性の両方が維持される。
これまでの研究では、ニューラルネットワークエミュレータが正確なVCを生成し、クローズドループ形状制御シミュレーションでその性能を検証できた。
本報告では,MAST-U (MAST-U) に関する最初の実験的検証を行った。
MAST-Uプラズマ制御システム内のプラズマ形状制御タスクをリアルタイムVCが実現可能であることを示す。
これらの結果は、トカマクにおける従来のプラズマ形状制御の実践的拡張として、リアルタイム線形化の実験的実現可能性を確立した。
本実装では、手動で構築された段階的なVCスケジュールを、シナリオ固有のリトレーニングなしで、トレーニングされた代理モデルからオンラインで自動生成されるVCに置き換える、よりシンプルな制御ワークフローに向けた中心的なステップを示す。
関連論文リスト
- Real-time virtual circuits for plasma shape control via neural network emulators: integration and testing in the MAST-U PCS [1.5858910567286892]
MAST-U(MAST-U)PCS環境におけるプラズマ形状制御のためのニューラルネットワークエミュレーション仮想回路の統合とテストについて述べる。
ニューラルネットワークモデルは、プラズマ電流、水球磁場コイル電流、プラズマプロファイルパラメータを用いてプラズマ形状を予測する。
論文 参考訳（メタデータ） (2026-08-26T09:59:17Z) - Dynamic Plasma Shape Control with Arbitrary Sensor Subsets [0.0]
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。
論文 参考訳（メタデータ） (2026-05-15T13:15:45Z) - Real-time virtual circuits for plasma shape control via neural network emulators [0.38186458149494623]
我々は,MAST-U運用空間のかなりの部分を網羅する,100万以上のシミュレーションGS平衡の広範なライブラリを開発した。
我々は,エミュレートされたVCの広範囲な検証を行い,制御問題を解き放つかどうかを検証した。
この研究は、事前計算されたVCのスケジュールに対するスケーラブルで一般的な代替手段として、エミュレートされたVCの物理的妥当性を確立する。
論文 参考訳（メタデータ） (2026-05-14T15:15:43Z) - PVI: Plug-in Visual Injection for Vision-Language-Action Models [8.641415997612066]
事前訓練されたVLMとフローマッチングアクションエキスパートを組み合わせたVLAは、言語条件による操作の強力なパラダイムとして登場した。
このモジュールは、訓練済みのアクションエキスパートにアタッチされ、ゼロd残差経路を介して補助的な視覚表現を注入する。
論文 参考訳（メタデータ） (2026-03-13T08:16:53Z) - DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion Enhancer [62.18680935878919]
レンダリングを時間的に一貫した出力に変換するオンライン生成拡張フレームワークであるDiffusionHarmonizerを紹介した。
コアとなるのは、単一のGPU上でオンラインシミュレータで実行可能な、一段階の時間的条件付きエンハンサーである。
論文 参考訳（メタデータ） (2026-02-27T15:35:30Z) - On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning [61.38273866396522]
ビジョン・ランゲージ・アクションモデルが汎用ロボット学習の強力なパラダイムとして登場した。
現在の手法は、シミュレーションや物理世界の展開に挑戦するには相変わらず適していない。
本稿では,VLA フレームワークのテスト時間強化学習について紹介する。
論文 参考訳（メタデータ） (2026-01-11T01:51:30Z) - Real-Time Applicability of Emulated Virtual Circuits for Tokamak Plasma Shape Control [0.40631409309544836]
形状エミュレータのジャコビアンを用いて計算したVCからの目標変位の一致を定量化する。
我々は、直接リアルタイムで測定されず、通常、効果的な「整形電流」として仮定される容器電流の効果に対処する。
アクティブコイル電流測定の追従窓上で, 簡単な線形回帰により整流電流を推定できることを実証した。
論文 参考訳（メタデータ） (2025-09-01T21:37:48Z) - FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems [51.15230303652732]
FLEX (F Low Expert) は、時間物理系の生成モデリングのためのバックボーンアーキテクチャである。
拡散モデルにおける速度場の分散を低減し、トレーニングの安定化に役立つ。
少数の特徴を2つの逆拡散ステップとして用いて、超解像および予測タスクの正確な予測を行う。
論文 参考訳（メタデータ） (2025-05-23T00:07:59Z) - Test-Time Model Adaptation with Only Forward Passes [68.11784295706995]
テストタイム適応は、トレーニング済みのモデルを、潜在的に分布シフトのある未確認テストサンプルに適応させるのに有効であることが証明されている。
テスト時間フォワード最適化適応法(FOA)を提案する。
FOAは量子化された8ビットのViTで動作し、32ビットのViTで勾配ベースのTENTより優れ、ImageNet-Cで最大24倍のメモリ削減を実現する。
論文 参考訳（メタデータ） (2024-04-02T05:34:33Z) - 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) - Disentangling Spatial and Temporal Learning for Efficient Image-to-Video
Transfer Learning [59.26623999209235]
ビデオの空間的側面と時間的側面の学習を両立させるDiSTを提案する。
DiSTの非絡み合い学習は、大量の事前学習パラメータのバックプロパゲーションを避けるため、非常に効率的である。
5つのベンチマークの大規模な実験は、DiSTが既存の最先端メソッドよりも優れたパフォーマンスを提供することを示す。
論文 参考訳（メタデータ） (2023-09-14T17:58:33Z)
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。