DIII-D 托卡马克中边界局域模的自动识别
等离子体物理
2022-12-20 v1 数据分析、统计与概率
摘要
托卡马克中的聚变功率生产使用存在产生强 I 型边界局域模风险的放电构型。其中最大的模可能会增大等离子体中的杂质，并可能损坏面向等离子体的部件，如防护性排热与排废偏滤器。基于机器学习的预测与控制可在这些破坏性模生长到难以抑制之前实现在线缓解。为此，需要有大型标注数据集用于机器学习模型的监督训练。我们提出一种算法，在 DIII-D 大型托卡马克放电数据库中自动标注边界局域模时达到 97.7% 的准确率。该算法无用户可控参数，且对托卡马克与等离子体构型变化基本鲁棒。该自动标注的事件数据库可随后用于未来以自主边界局域模控制与抑制为目标的机器学习模型训练。
引用
@article{arxiv.2212.08745,
title = {Automatic Identification of Edge Localized Modes in the DIII-D Tokamak},
author = {Finn H. O'Shea and Semin Joung and David R. Smith and Ryan Coffee},
journal= {arXiv preprint arXiv:2212.08745},
year = {2022}
}
备注
7 pages, 6 figures