Quantitative prediction of plasma profile formation by first-principle simulation and machine learning

点击翻译按钮获取中文摘要

本課題は、磁場閉じ込め核融合プラズマの閉じ込め性能に重要な影響を及ぼすプラズマ輸送現象に対して、大規模なシミュレーションや数理モデル、データ解析手法を効果的に用いることで、高い閉じ込め性能を実現する温度・密度分布を見出すことが主目的である。プラズマ乱流の第一原理であるジャイロ運動論に基づいた多くの数値研究によって、輸送係数や乱流スペクトルなど、重要な物理量や物理特性が定量的に再現できるようになってきており、シミュレーション研究が各国て精力的に行われている。しかし、例えば、複数粒子種から構成されている現実的なプラズマにおいては、粒子種ごとに異なる輸送特性を有するために、それぞれに異なる温度密度分布が形成される。その形成過程は複雑であり、未解明な部分が多い重要な課題の一つである。特に、こうした系を第一原理計算で扱おうとした場合、極めて巨大な計算量が必要になるため、従来と同様の方法で輸送予測することは困難である。このような背景の下、本研究は、第一原理計算と簡約された数理輸送モデル、データ科学手法を利用しながら、効率的なプラズマ輸送予測を行い、多成分プラズマの分布形成の物理を解明することを目指している。令和４年度では、前年度に行った本研究の重要部分である数理モデル関係式の拡張（乱流の時間発展までを含めた拡張）に基づき、その関係式の構成要素である乱流振幅成分と帯状流成分、輸送係数の各々における時間発展の時間遅れの効果を明示的に導入した更なる拡張を行った。この拡張により、これまでの関係式よりも更に乱流輸送を精度良く再現することが可能になった。加えて、ジャイロ運動論シミュレーションで得られる５次元位相空間の分布関数を画像化することにより、これまで把握できていなかった５次元分布関数の時間発展の様子を直接的に捉えることが可能になった。