扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

中国科学院多名学者联合发文:一种基于机器学习的托卡马克末闭合通量面重建工具

论论资讯 | 2023-05-01 1热度

Nuclear Fusion

Explore content

About the journal

Publish with us

A machine-learning-based tool for last closed-flux surface reconstruction on tokamaks

Wan C.; Yu Z.; Pau A.; Sauter O.; Liu X.; Yuan Q.; Li J.

Published:2023-05-01
DOI:10.1088/1741-4326/acbfcc

研究背景

核聚变是解决未来能源危机的重要途径之一,而托卡马克是实现核聚变的一种重要设备。在托卡马克设备中,磁场是用来限制聚变等离子体的运动的关键因素。然而,预测和重建最后封闭磁力面(LCFS)是控制磁场配置的主要挑战之一。目前,研究人员需要实时处理高维度数据和高分辨率数据,同时考虑输入线圈与内部等离子体状态响应之间的交互,这使得任务变得更加复杂。

研究内容

近日,一项名为“基于机器学习的托卡马克最后封闭磁力面重建工具”的研究成果在《核聚变》杂志上发表。该研究利用了一种先进的机器学习模型,对实验高级超导托卡马克(EAST)的LCFS进行了重建。这种机器学习模型不仅可以用于离线模拟和测试特定的控制策略,而且还可以嵌入到实时控制系统中,进行在线磁平衡重建和预测。在实时建模测试中,该方法实现了非常高的准确性,整个放电过程中LCFS重建的平均相似度超过了99%。

研究意义

该研究的创新点在于采用了机器学习模型对LCFS进行重建,这种方法可以有效地解决磁场配置的控制问题。此外,该研究还为实现核聚变提供了新的思路和方法,对于未来能源领域的发展具有重要的意义。

微信扫码即可查看