基于 Transformer 数据驱动模型的 ADITYA 托卡马克电流浪涌事件早期预测
等离子体物理
2025-07-21 v2
摘要
托卡马克等离子体的扰流（disruptions），表现为突发的热量和电流浪涌，构成对等离子体面向组件和系统完整性的严重威胁。准确地在扰流发生前获得足够的预警时间对于实施有效的缓解策略至关重要。本研究提出了一种新颖的数据驱动方法，用于预测电流浪涌，这是扰流的关键前兆，应用于 ADITYA 托卡马克诊断数据。利用多变量时间序列数据，Transformer 模型在各种数据分布和预测阈值下均优于 LSTM 基线。Transformer 模型在召回率方面表现更好，即使在预测阈值达到 8-10 毫秒时，召回率仍保持在 0.9 以上，显著优于 LSTM 在这一关键指标上的表现。该方法在 8 毫秒的预警时间内保持稳健，为 ADITYA 托卡马克的扰流缓解提供了实际可行性。此外，综合的数据多样性分析和偏置灵敏度研究凸显了该模型的泛化性。这一工作标志着 Transformer 架构首次应用于 ADITYA 托卡马克数据进行电流浪涌早期预测，为短脉冲托卡马克的实时扰流避免奠定了有前景的基础。
引用
@article{arxiv.2507.12797,
title = {Early Prediction of Current Quench Events in the ADITYA Tokamak using Transformer based Data Driven Models},
author = {Jyoti Agarwal and Bhaskar Chaudhury and Jaykumar Navadiya and Shrichand Jakhar and Manika Sharma},
journal= {arXiv preprint arXiv:2507.12797},
year = {2025}
}