作者:麻省理工学院保罗·瑞文伯格
可视化的是更大的三维磁约束聚变等离子体模拟中的二维压力波动
随着机器学习技术的最新进展，这些类型的部分观测提供了在理论和实验上测试减少湍流模型的新方法
学分:等离子体科学与融合中心
为了使聚变能成为世界能源网的可行资源，研究人员需要了解等离子体的湍流运动:在反应堆容器中旋转的离子和电子的混合物
在被称为托卡马克的环形室中，等离子体粒子沿着磁场线运动，必须被限制足够长的时间，以使聚变装置产生显著的净能量增益，当等离子体的热边缘(超过100万摄氏度)距离容器的冷得多的固体壁只有几厘米时，这是一个挑战
阿比拉什·马修斯博士
D
在麻省理工学院等离子体科学与融合中心(PSFC)工作的核科学与工程系的候选人认为，这种等离子体优势是一个特别丰富的未回答问题的来源
湍流边界对于理解等离子体约束、燃料供给和可能撞击材料表面的潜在破坏性热流至关重要——这些因素影响聚变反应堆的设计
为了更好地理解边缘条件，科学家们专注于使用数值模拟来模拟这个边界的湍流，这将有助于预测等离子体的行为
然而，该区域的“第一性原理”模拟是聚变研究中最具挑战性和最耗时的计算之一
如果研究人员能够开发出运行速度更快、但具有量化精度的“简化”计算机模型，进展可能会加快
几十年来，托卡马克物理学家经常使用简化的“双流体理论”而不是高保真度的模型来模拟实验中的边界等离子体，尽管精确度存在不确定性
在最近的两份出版物中，马修开始以一种新的方式直接测试这种简化等离子体湍流模型的准确性:他将物理和机器学习结合起来
“一个成功的理论应该预测你将要观察到的东西，”马修解释道，“例如，温度、密度、电势、流量
正是这些变量之间的关系从根本上定义了湍流理论
我们的工作主要考察的是这两个变量之间的动态关系:湍流电场和电子压力
" 在发表在《物理评论》上的第一篇论文中，马修采用了一种新的深度学习技术，该技术使用人工神经网络来构建控制简化流体理论的方程的表示
在这个框架下，他展示了一种根据等离子体中的电子压力波动计算湍流电场的方法，与简化流体理论一致
当应用于湍流等离子体时，通常用于将电场与压力分解联系起来的模型，但这种模型即使对于有噪声的压力测量也是稳健的
可视化的是更大的三维磁约束聚变等离子体模拟中的二维压力波动
随着机器学习技术的最新进展，这些类型的部分观测提供了在理论和实验上测试减少湍流模型的新方法
学分:等离子体科学与融合中心
在发表于《等离子体物理学》的第二篇论文中，马修进一步研究了这种联系，将其与高保真度湍流模拟进行了对比
这种第一次跨模型的湍流比较以前很难——如果不是不可能的话——精确评估
Mathews发现，在与现有聚变装置相关的等离子体中，简化流体模型预测的湍流场与高保真度计算一致
从这个意义上说，减少湍流理论是有效的
但是为了完全验证它，“人们应该检查每个变量之间的每一个联系，”马修说
马修的顾问、首席研究科学家杰里·休斯指出，等离子体湍流是出了名的难以模拟，比常见的空气和水中的湍流更难模拟
“这项工作表明，在适当的条件下，从有限的一组观测开始，物理学知识丰富的机器学习技术可以描绘出快速波动的边缘等离子体的全貌
我很兴奋能看到我们如何把这个应用到新的实验中，在这些实验中，我们基本上从来没有观察到我们想要的每一个量
" 这些物理知识丰富的深度学习方法为测试旧理论和扩展新实验的观察范围铺平了新的道路
奥斯汀德克萨斯大学融合研究所的研究科学家大卫·哈奇认为，这些应用是一项有前途的新技术的开始
“阿比的工作是一项重大成就，具有广泛应用的潜力，”他说
例如，给定特定等离子体量的有限诊断测量值，基于物理学的机器学习可以推断附近区域的额外等离子体量，从而增加给定诊断提供的信息
这项技术也为模型验证打开了新的策略
" 马修看到了未来令人兴奋的研究
“将这些技术转化为真正边缘等离子体的聚变实验是我们看到的一个目标，目前工作正在进行中，”他说
“但这只是开始
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
