热尾逃逸电子种子的物理信息深度学习模型
等离子体物理
2024-02-20 v1
摘要
托卡马克破裂描述中的一个难点是评估在热猝灭期间出现的热尾逃逸电子（RE）种子。该问题的挑战性在于需要描述强非热电子分布，同时还需纳入多种多物理过程，包括磁流体不稳定性、杂质输运和辐射损失。本工作开发了一种物理信息神经网络（PINN），专门用于求解理想轴对称热猝灭过程中的热尾种子。此处，所开发的 PINN 用于在等离子体热能快速猝灭的条件下求解伴随相对论福克-普朗克方程。结果表明，在缺乏实验或模拟数据的情况下，该 PINN 能够准确预测包括热猝灭时间尺度、初始等离子体温度和局部电流密度在内的一系列参数下的热尾种子。通过与直接蒙特卡洛解的比较验证了该热尾 PINN，在广泛的热猝灭条件下发现了极好的一致性。
引用
@article{arxiv.2306.13224,
title = {A Physics-Informed Deep Learning Model of the Hot Tail Runaway Electron Seed},
author = {Christopher McDevitt},
journal= {arXiv preprint arXiv:2306.13224},
year = {2024}
}