等离子体边缘动力学的自回归长时程预测
等离子体物理
2026-01-01 v1 人工智能
摘要
精确建模刮削层（SOL）和偏滤器边缘动力学对于设计聚变装置中的等离子体面对部件至关重要。诸如SOLPS-ITER等高保真边缘流体/中性原子代码能够高精度地捕获SOL物理，但其计算成本限制了广泛的参数扫描和长瞬态研究。我们提出了基于Transformer的自回归代理模型，用于高效预测二维、时间依赖的等离子体边缘状态场。这些代理模型在SOLPS-ITER时空数据上训练，能够在延长的时程上预测电子温度、电子密度和辐射功率。我们在短时程和长时程预测任务上评估了使用逐渐增加的自回归时程（1-100步）训练的模型变体。更长时程的训练系统性地提高了展开稳定性并减轻了误差累积，实现了数百至数千步的稳定预测，并再现了高辐射区域运动等关键动力学特征。测量的端到端实际运行时间表明，该代理模型比SOLPS-ITER快几个数量级，从而实现了快速参数探索。当代理模型进入训练数据集中未表示的物理状态时，预测精度会下降，这促使了未来在数据丰富和物理信息约束方面的工作。总体而言，该方法为计算密集型等离子体边缘模拟提供了一个快速、准确的代理模型，支持快速场景探索、面向控制的研究，以及向聚变装置实时应用迈进。
引用
@article{arxiv.2512.23884,
title = {Autoregressive long-horizon prediction of plasma edge dynamics},
author = {Hunor Csala and Sebastian De Pascuale and Paul Laiu and Jeremy Lore and Jae-Sun Park and Pei Zhang},
journal= {arXiv preprint arXiv:2512.23884},
year = {2026}
}