基于神经常微分方程优化托卡马克中受控燃烧等离子体的外部源
等离子体物理
2025-07-15 v1 机器学习
摘要
实现托卡马克中受控燃烧等离子体需要精确调节外部粒子和能源源以达到并维持目标核心密度和温度。本文提出一种基于神经常微分方程 (Neural ODE) 的多节点等离子体动力学模型的逆向建模方法。给定节点量（如 deuteron 密度或电子温度）的时间演化，我们计算外部源剂量（如中性束注入 (NBI) 功率），以驱动等离子体趋向于指定的行为。该方法实现于 NeuralPlasmaODE 框架中，后者模型化多区域、多时序尺度的输运，并包含辐射、辅助加热和节点间能量交换等物理机制。通过将控制任务表述为优化问题，我们使用自动微分通过神经 ODE 求解器来最小化模拟轨迹与目标轨迹之间的差距。该框架将前向模拟工具转化为具有控制意义的模型，为当前和未来核聚变装置的计算外部源剂量提供了实用方法。
引用
@article{arxiv.2507.09431,
title = {Optimizing External Sources for Controlled Burning Plasma in Tokamaks with Neural Ordinary Differential Equations},
author = {Zefang Liu and Weston M. Stacey},
journal= {arXiv preprint arXiv:2507.09431},
year = {2025}
}