基于物理引导特征提取与域适应的跨托卡马克破裂预测
等离子体物理
2023-11-02 v2 人工智能
机器学习
摘要
在未来托卡马克中，数据驱动破裂预测模型所需破裂放电的高获取成本与巨大需求之间存在固有矛盾。本文展示了一种仅使用少量放电预测未来托卡马克中破裂的新方法。第一步是利用现有物理理解从各托卡马克的诊断信号中提取物理引导特征，称为物理引导特征提取（PGFE）。第二步是基于一种称为相关对齐（CORAL）的域适应算法，将未来托卡马克（目标域）的少量数据与现有托卡马克（源域）的大量数据对齐。这是将域适应应用于破裂预测任务的首次尝试。PGFE 已成功应用于 J-TEXT 以优异性能预测破裂。PGFE 还可通过提取设备依赖性较小的特征来降低数据量需求，从而为跨托卡马克破裂预测奠定坚实基础。我们进一步改进了 CORAL（有监督 CORAL，S-CORAL）以增强其在破裂预测任务中特征对齐的适用性。为模拟现有与未来托卡马克情形，我们选取 J-TEXT 作为现有托卡马克、EAST 作为未来托卡马克，二者等离子体参数范围差距较大。S-CORAL 的利用提升了未来托卡马克上的破裂预测性能。通过可解释性分析，我们发现该途径习得的破裂预测模型知识与在大量未来托卡马克数据上训练的模型表现出更多相似性。
引用
@article{arxiv.2309.05361,
title = {Cross-tokamak Disruption Prediction based on Physics-Guided Feature Extraction and domain adaptation},
author = {Chengshuo Shen and Wei Zheng and Bihao Guo and Yonghua Ding and Dalong Chen and Xinkun Ai and Fengming Xue and Yu Zhong and Nengchao Wang and Biao Shen and Binjia Xiao and Zhongyong Chen and Yuan Pan and J-TEXT team},
journal= {arXiv preprint arXiv:2309.05361},
year = {2023}
}
备注
17 pages, 9 figures