.png){kind=icon}
返回
EFIT-mini: an embedded; multi-task neural network-driven equilibrium inversion algorithm
.png){kind=icon}
OA
AI
DOI：10.1088/1741-4326/adff94.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新型平衡重构算法EFIT-mini，该算法将神经网络与物理仿真相结合，能够在EXL-50U托卡马克中实现等离子体的实时控制。通过协同传统Grad–Shafranov方程求解器的高精度与物理原理以及纯数据驱动机器学习方法优越的数值稳定性，EFIT-mini从根本上解决了各自方法的局限性，同时保留了实时性能，实现了增强的反演精度、速度、稳定性和开发效率。在EXL-50U实验数据验证中，EFIT-mini在最后闭合磁通面重构精度方面相较于offline-EFIT实现了超过98%的重叠率。此外，EFIT-mini在129×129分辨率的反演中，每个时间片仅耗时0.36 ms。在EXL-50U托卡马克上的实时实施验证了EFIT-mini强大的泛化能力，即使在放电场景显著偏离训练数据集的情况下，也能保持一致的精度。此外，该算法基于其实时重构结果，成功驱动了等离子体水平位置的比例-积分-微分（PID）反馈控制。通过调和机器学习的计算稳定性与基于物理的可解释性，这种混合方法建立了一个可靠的实时平衡重构框架。
期刊
IF:
4
论文数:
9.3K
被引数:
2.2W
机构
引用论文
Fast parallel Grad–Shafranov solver for real-time equilibrium reconstruction in EAST tokamak using graphic processing unit基于图形处理单元的快速并行Grad–Shafranov求解器，用于EAST托卡马克的实时平衡重构
.png){kind=icon}
PREAI
分享收藏
Acceleration optimization of real-time equilibrium reconstruction for HL-2A tokamak discharge controlHL-2A托卡马克放电控制中实时平衡重构的加速优化
PREAI
分享收藏Kinetic equilibrium reconstructions of plasmas in the MAST database and preparation for reconstruction of the first plasmas in MAST upgradeMAST数据库中等离子体的动平衡重构及为MAST升级后首次等离子体重构的准备工作
PREAI
分享收藏Real-time equilibrium reconstruction by multi-task learning neural network based on HL-3 tokamakOAAI
OAAI分享收藏Augmenting machine learning of Grad–Shafranov equilibrium reconstruction with Green's functions利用格林函数增强Grad–Shafranov平衡重构的机器学习方法OAAI
OAAI分享收藏分享收藏
查看更多内容