Learning physics-based reduced models from data for the Hasegawa-Wakatani equations

要約

この論文は、非線形でカオスなプラズマ乱流シミュレーションのための非侵入型科学機械学習 (SciML) 削減次数モデル (ROM) の構築に焦点を当てています。
特に、演算子推論 (OpInf) を使用して、そのようなシミュレーション用のデータから低コストの物理ベースの ROM を構築することを提案します。
代表的な例として、二次元静電漂流波プラズマ乱流のモデル化に使用される長谷川・若谷 (HW) 方程式に焦点を当てます。
このモデルの正確な ROM を構築する OpInf の可能性を包括的に把握するために、複雑な非線形の自己駆動ダイナミクスの形成につながる HW 方程式の設定を検討し、2 セットの実験を実行します。
まず、特定の初期条件から開始する HW 方程式の直接数値シミュレーションによって取得したデータを使用し、トレーニング期間を超えて予測できるように OpInf ROM をトレーニングします。
2 番目のより困難な実験セットでは、以前と同じデータセットを使用して ROM をトレーニングしますが、今回は他の 6 つの初期条件の予測を実行します。
私たちの結果は、OpInf ROM が乱流ダイナミクスの重要な特徴を捉え、これまでにない新しい初期条件に一般化すると同時に、高忠実度モデルの評価時間をシングルコアのパフォーマンスで最大 5 桁短縮できることを示しています。
核融合研究のより広範な文脈において、これは、非侵入型 SciML ROM が数値研究を大幅に加速する可能性を秘めており、最終的には最適化された核融合デバイスの設計やリアルタイム制御などのタスクを可能にする可能性があることを示しています。

要約(オリジナル)

This paper focuses on the construction of non-intrusive Scientific Machine Learning (SciML) Reduced-Order Models (ROMs) for nonlinear, chaotic plasma turbulence simulations. In particular, we propose using Operator Inference (OpInf) to build low-cost physics-based ROMs from data for such simulations. As a representative example, we focus on the Hasegawa-Wakatani (HW) equations used for modeling two-dimensional electrostatic drift-wave plasma turbulence. For a comprehensive perspective of the potential of OpInf to construct accurate ROMs for this model, we consider a setup for the HW equations that leads to the formation of complex, nonlinear, and self-driven dynamics, and perform two sets of experiments. We first use the data obtained via a direct numerical simulation of the HW equations starting from a specific initial condition and train OpInf ROMs for predictions beyond the training time horizon. In the second, more challenging set of experiments, we train ROMs using the same dataset as before but this time perform predictions for six other initial conditions. Our results show that the OpInf ROMs capture the important features of the turbulent dynamics and generalize to new and unseen initial conditions while reducing the evaluation time of the high-fidelity model by up to five orders of magnitude in single-core performance. In the broader context of fusion research, this shows that non-intrusive SciML ROMs have the potential to drastically accelerate numerical studies, which can ultimately enable tasks such as the design and real-time control of optimized fusion devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google