プラズマ制御システムへのAI/深層学習破壊予測器の実装【JST・京大機械翻訳】

Tang William; Dong Ge; Barr Jayson; Erickson Keith; Conlin Rory; Boyer M. Dan; Kates-Harbeck Julian; Felker Kyle; Rea Cristina; Logan Nikolas C.; Svyatkovskiy Alexey; Feibush Eliot; Abbatte Joseph; Clement Mitchell; Grierson Brian; Nazikian Raffi; Lin Zhihong; Eldon David; Moser Auna; Maslov Mikhail

プレプリント

J-GLOBAL ID：202202215380027993 整理番号：22P0324786

プラズマ制御システムへのAI/深層学習破壊予測器の実装【JST・京大機械翻訳】

Implementation of AI/Deep Learning Disruption Predictor into a Plasma Control System

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (20件)： , , , , , , , , , , , , , , , , , , ,
資料名：
発行年： 2022年04月04日プレプリントサーバーでの情報更新日： 2022年04月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本論文では,2019の自然出版を元来導入した核融合リカレントニューラルネットワーク(FRNN)に基づく最先端の深層学習破壊予測モデルへの進歩について報告した。特に,この予測子は,破壊スコアだけでなく,緊急破壊の確率の指標として,また,即時破壊の根底にある理由を示すためのリアルタイムにおける感度スコアを特徴とする。これは,深い学習モデルに対する貴重な物理解釈可能性を加え,現在,現代のプラズマ制御システム(PCS)に完全に実装される制御アクチュエータのための有用な指針を提供できる。進歩は,最新の深層学習破壊予測からリアルタイム制御への移動における重要な段階であり,将来の燃焼プラズマITERシステムへの応用に関連する新しいAI-可能能力をもたらす。著者らの分析は,以前のNATURE出版物におけるJETとDIII-Dベットからの大量のデータを使用する。ショットが破壊すると予測される場合に加えて,本論文では,感度研究を行うことによる理由に取り組んだ。FRNNは,(i)n1rms信号のような,n1rms信号を含む,(i)n1rms信号,(ii)プラズマ不純物含有量を示すボロメータデータ,および(iii)q-min,(ii)キンクモードの重要な物理に関係する安全因子の最小値,を含む,の多くのチャネルを使用する。付加的チャネルと解釈可能性特徴は,プラズマ制御システムにおけるアクチュエータのためのより正確で直接的な誘導と同様に,破壊サブカテゴリに関する情報を提供するために,深層学習FRNNソフトウェアの能力を拡張する。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能

, , , , ,

前のページに戻る