面向漂移动力学方程的数据免费、物理驱动的代理求解器：在托卡马克中实现快速非经典扭转黏度扭矩建模
等离子体物理
2026-04-16 v1
摘要
托卡马克等离子体的扭转运动对于维持稳定和高性能的等离子体至关重要。在其驱动机制中，由三维磁扰动引起的非经典扭转黏度 (NTV) 扭矩尤为重要，因为其强大的影响力和可控性，尤其在像 ITER 这样的反应堆规模设备上，传统的动量注入方法变得不够有效。然而，传统的第一性原理 NTV 建模计算成本高昂，因为需要在高维相空间中求解漂移动力学方程 (DKE)，因此难以实现任何实时应用，如主动控制或非线性集成等离子体建模。尽管代理求解器在加速科学计算方面显示出前景，但获取训练所需数据的挑战仍然很大。本文提出了一种新颖的数据免费方法，用于开发 DKE 的快速代理求解器，仅依据物理约束进行神经网络训练。具体而言，我们通过两种方式实现物理约束：其一，基于物理 governing 方程定义损失函数；其二，将边界条件硬编码到预测模型中。该模型经过验证，其解与第一性原理数值求解器生成的数据相符，能够以显著降低的时间成本准确求解 DKE。特别是，物理驱动的代理模型在物理一致性方面优于数据驱动的代理模型。总体而言，本研究为数据稀缺情境下的代理求解器开发提供了新思路，并展示了纯物理驱动神经网络在加速高要求科学计算方面的潜力。
引用
@article{arxiv.2604.13447,
title = {A Data-Free, Physics-Informed Surrogate Solver for Drift Kinetic Equation: Enabling Fast Neoclassical Toroidal Viscosity Torque Modeling in Tokamaks},
author = {Xingting Yan and Yuetao Meng and Nana Bao and Youwen Sun and Weiyong Zhou and Jinpeng Huang},
journal= {arXiv preprint arXiv:2604.13447},
year = {2026}
}