使用 LSTM 预测 ADITYA 托卡马克中的破裂
机器学习
2022-12-12 v1 机器学习
摘要
托卡马克中的大破裂对真空室及其周边设备构成严重威胁。系统检测任何可能导致破裂的行为之能力，有助于提前告警并防止其有害影响。许多机器学习技术已用于 JET 与 ASDEX 等大型托卡马克，但不适用于相对较小的 ADITYA。通过本工作，我们讨论了一种预测 ADITYA 托卡马克中破裂时间的新实时方法，并在实验数据集上验证了结果。该系统使用来自托卡马克的选定诊断数据，经若干预处理步骤后送入时间序列长短期记忆（LSTM）网络。该模型可提前 12 ms 做出预测，且计算成本较低，足以快速部署于实时应用。
引用
@article{arxiv.2007.06230,
title = {Using LSTM for the Prediction of Disruption in ADITYA Tokamak},
author = {Aman Agarwal and Aditya Mishra and Priyanka Sharma and Swati Jain and Sutapa Ranjan and Ranjana Manchanda},
journal= {arXiv preprint arXiv:2007.06230},
year = {2022}
}
备注
7 pages, 4 figures