近日，等離子體所EAST團隊主動束光譜組在等離子體關(guān)鍵參數(shù)診斷研究方面取得新進展，相關(guān)研究成果發(fā)表于國際知名學術(shù)期刊Nuclear Fusion上。
等離子體離子溫度和旋轉(zhuǎn)速度是評估聚變實驗的重要參數(shù)之一,對等離子體穩(wěn)定性和約束性能有重要影響。如何實現(xiàn)等離子體離子溫度和旋轉(zhuǎn)速度的快速精確測量一直是聚變裝置穩(wěn)定高參數(shù)運行所面臨的關(guān)鍵技術(shù)問題之一。
該研究基于EAST裝置上的X射線晶體譜儀(XCS)獲得等離子體光譜數(shù)據(jù),并利用人工神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)了等離子體旋轉(zhuǎn)速度和離子溫度剖面的快速預(yù)測。研究團隊開發(fā)了深度神經(jīng)網(wǎng)絡(luò)(DNN)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)兩種模型,用于實時計算弦積分離子溫度。通過部分的交叉驗證方法，證明了模型的預(yù)測結(jié)果與目標值之間的強相關(guān)性。值得注意的是，團隊所開發(fā)的神經(jīng)網(wǎng)絡(luò)模型的計算速度顯著提高,超過傳統(tǒng)方法計算速度的10倍以上。此外，模型還具備對輸入數(shù)據(jù)范圍和誤差的自動識別能力，為提升診斷系統(tǒng)的智能化水平奠定了基礎(chǔ)。最后,CNN還被用于預(yù)測弦積分旋轉(zhuǎn)速度剖面和局域的離子溫度剖面,驗證了該模型的魯棒性。需要指出的是,此模型算法不局限于特定的診斷系統(tǒng)和物理模型,可以較為快捷地移植并應(yīng)用于多種診斷系統(tǒng)的數(shù)據(jù)分析過程。
上述研究工作獲得國家自然科學基金和國家磁約束聚變研究專項等項目的資助。
論文鏈接：https://doi.org/10.1088/1741-4326/ad73e8
圖1 神經(jīng)網(wǎng)絡(luò)預(yù)測離子溫度數(shù)據(jù)與傳統(tǒng)算法結(jié)果對比
圖2 神經(jīng)網(wǎng)絡(luò)預(yù)測離子溫度剖面與傳統(tǒng)算法結(jié)果對比
圖3 傳統(tǒng)算法計算離子溫度剖面與神經(jīng)網(wǎng)絡(luò)計算耗時對比
