一种基于机器学习的托卡马克最后闭合磁通面重建工具
等离子体物理
2023-04-19 v2 机器学习
摘要
核聚变是清洁可持续能源的最佳替代方案之一。托卡马克利用磁场约束聚变等离子体，而磁位形控制的主要挑战之一是最后闭合磁通面（LCFS）的预测/重建。LCFS随时间演化由执行线圈与托卡马克内部等离子体的相互作用决定。该任务需要能够实时处理高维数据且具备高时间分辨率的工具，而广泛的输入执行线圈与内部等离子体状态响应之间的相互作用更增添了复杂性。本工作中，我们提出将一种新颖的先进机器学习模型应用于实验先进超导托卡马克（EAST）的LCFS重建，该模型从EAST实验数据中自动学习。该架构不仅支持特定控制策略的离线仿真与测试，还可嵌入实时控制系统用于在线磁平衡重建与预测。在实时建模测试中，我们的方法取得了极高的精度，在整个放电过程的LCFS重建中平均相似度超过99%。
引用
@article{arxiv.2207.05695,
title = {A machine-learning-based tool for last closed-flux surface reconstruction on tokamaks},
author = {Chenguang Wan and Zhi Yu and Alessandro Pau and Xiaojuan Liu and Jiangang Li},
journal= {arXiv preprint arXiv:2207.05695},
year = {2023}
}