基于第一性原理的托卡马克湍流输运实时建模

开发了一种具备实时能力的核心湍流托卡马克输运模型。该模型是通过对准线性回旋动能输运代码输出进行正则化非线性回归构建的。回归使用多层感知器神经网络执行。用于神经网络训练集的输运代码输入包含五个维度，且仅限于绝热电子。该神经网络模型成功复现了原始准线性模型预测的输运通量，同时将计算时间缩短了五个数量级。该模型已实施于具备实时能力的托卡马克模拟器中，并在 10 秒内模拟了 300 秒的 ITER 放电过程。这一基于回归的输运模型的原理性验证，预示着未来训练集的输入空间维度和物理真实性将显著拓宽。其旨在为实时控制和集成建模应用提供前所未有的计算速度，同时保持基于第一性原理的物理特性。