球形托卡马克中微撕裂模特性的高斯过程回归模型
等离子体物理
2023-11-15 v2
摘要
球形托卡马克（ST）具有许多令人青睐的特性，使其成为未来聚变电厂的有吸引力的选择。电厂可行性本质上与等离子体热和粒子约束相关，而这通常由微不稳定性驱动湍流的强度决定。因此，准确计算湍流微不稳定性的特性对托卡马克设计至关重要，然而，这些特性的评估在计算上代价高昂。为准确分辨这些不稳定性所需的大量几何和热力学参数以及高分辨率，使得在集成建模工作流中重复使用直接数值模拟在计算上极具挑战性，并产生了对快速、准确的降阶模型的需求。本文概述了利用高斯过程回归（GPR）和分类（机器学习技术）开发的、针对球形托卡马克反应堆相关参数空间中微撕裂模（MTM）特性的数据驱动降阶模型（常称为代理模型）。这两个组件用于主动学习循环中，以最大化数据获取效率从而最小化计算成本。高保真回旋动理学代码 GS2 用于计算 MTM 的线性特性：模增长率、频率和归一化电子热通量；这些是准线性输运模型的核心组成部分。使用五折交叉验证和在未见过数据上的直接验证来确定所得代理模型的性能。
引用
@article{arxiv.2309.09785,
title = {Gaussian Process Regression models for the properties of micro-tearing modes in spherical tokamak},
author = {William Hornsby and Ander Gray and James Buchanan and Bhavin Patel and Daniel Kennedy and Francis Casson and Colin Roach and Mikkel Lykkegaard and Huy Nguyen and Nikolaos Papadimas and Ben Fourcin and Jordan Hart},
journal= {arXiv preprint arXiv:2309.09785},
year = {2023}
}