Plasma Surrogate Modelling using Fourier Neural Operators

要約

トカマク炉内でのプラズマの進化を予測することは、持続可能な核融合という目標を実現するために極めて重要です。
プラズマの時空間進化を迅速かつ正確に予測する機能により、現在のトカマク装置と将来の原子炉の設計と制御戦略を迅速に繰り返すことができます。
数値ソルバーを使用したプラズマ進化のモデル化は多くの場合費用がかかり、スーパーコンピューターでは何時間もかかるため、代替の安価な代理モデルが必要です。
私たちは、深層学習ベースのサロゲート モデリング ツール、つまりフーリエ ニューラル オペレーター (FNO) を使用して、シミュレーションと実験の両方の領域でプラズマ進化の正確な予測を実証します。
FNO は、高い精度 (正規化領域 $\about$ $10^{-5}$ の MSE) を維持しながら、磁気流体力学モデルからシミュレートされたプラズマ ダイナミクスを予測する際に、従来のソルバーに比べて 6 桁高速化することを示します。
FNO の修正バージョンは、多変数偏微分方程式 (PDE) を解くことができ、単一モデル内の異なる変数間の依存関係を捉えることができます。
FNOはまた、MASTトカマク内に配置されたカメラ、つまりトカマク内の中央ソレノイドとダイバータを見渡せるカメラによって観察された現実世界の実験データに基づいてプラズマの進化を予測することもできる。
私たちは、FNO がプラズマの進化を正確に予測でき、リアルタイム監視に導入できる可能性があることを示します。
また、MAST 内でのプラズマ ショットの全 (利用可能な) 継続時間にわたって、プラズマの形状、プラズマと中央ソレノイドおよびダイバータとの相互作用の位置を予測する能力についても説明します。
FNO は、トレーニングと推論が迅速で、必要なデータ ポイントが少なく、ゼロショット超解像度を実行して忠実度の高いソリューションを取得できるため、サロゲート モデリングの実行可能な代替手段を提供します。

要約(オリジナル)

Predicting plasma evolution within a Tokamak reactor is crucial to realizing the goal of sustainable fusion. Capabilities in forecasting the spatio-temporal evolution of plasma rapidly and accurately allow us to quickly iterate over design and control strategies on current Tokamak devices and future reactors. Modelling plasma evolution using numerical solvers is often expensive, consuming many hours on supercomputers, and hence, we need alternative inexpensive surrogate models. We demonstrate accurate predictions of plasma evolution both in simulation and experimental domains using deep learning-based surrogate modelling tools, viz., Fourier Neural Operators (FNO). We show that FNO has a speedup of six orders of magnitude over traditional solvers in predicting the plasma dynamics simulated from magnetohydrodynamic models, while maintaining a high accuracy (MSE in the normalised domain $\approx$ $10^{-5}$). Our modified version of the FNO is capable of solving multi-variable Partial Differential Equations (PDE), and can capture the dependence among the different variables in a single model. FNOs can also predict plasma evolution on real-world experimental data observed by the cameras positioned within the MAST Tokamak, i.e., cameras looking across the central solenoid and the divertor in the Tokamak. We show that FNOs are able to accurately forecast the evolution of plasma and have the potential to be deployed for real-time monitoring. We also illustrate their capability in forecasting the plasma shape, the locations of interactions of the plasma with the central solenoid and the divertor for the full (available) duration of the plasma shot within MAST. The FNO offers a viable alternative for surrogate modelling as it is quick to train and infer, and requires fewer data points, while being able to do zero-shot super-resolution and getting high-fidelity solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google