基于神经PDE代理模型的偏滤器等离子体快速动态一维模拟
等离子体物理
2023-10-02 v3 计算机视觉与模式识别
机器学习
计算物理
摘要
由于偏滤器靶板上的热流与粒子流约束，管理偏滤器等离子体对于托卡马克反应堆规模装置的运行至关重要。模拟是理解并控制这些等离子体的一项重要工具，然而对于实时应用或穷举参数扫描，目前仅有简单近似足够快速。我们利用神经PDE代理模型（以经典数值方法生成的求解数据训练的数据驱动神经网络代理模型）来解决快速模拟器的缺失。该代理模型近似一个时间步进算子，随时间的推移演化基于物理的参考模型的完整空间解。我们使用DIV1D（一个偏滤器等离子体的1D动态模型）作为参考模型来生成数据。DIV1D的域覆盖从X点（上游）到靶板的1D热流管。我们模拟了由上游密度斜坡引发的动态的真实TCV偏滤器等离子体，并提供了面向快速瞬态的 exploratory 展望。最先进的神经PDE代理模型在一个通用框架内被评估，并针对DIV1D数据的特性进行了扩展。我们评估了：(1) 速度-精度权衡；(2) 重现非线性行为；(3) 数据效率；以及 (4) 参数内推与外推。一旦训练完成，神经PDE代理模型能以低于实时的计算速度忠实近似DIV1D的偏滤器等离子体动力学：在所提配置中，2ms的等离子体动力学可在约0.63ms的挂钟时间内算完，比DIV1D快数个数量级。
引用
@article{arxiv.2305.18944,
title = {Fast Dynamic 1D Simulation of Divertor Plasmas with Neural PDE Surrogates},
author = {Yoeri Poels and Gijs Derks and Egbert Westerhof and Koen Minartz and Sven Wiesen and Vlado Menkovski},
journal= {arXiv preprint arXiv:2305.18944},
year = {2023}
}
备注
Published in Nuclear Fusion