Investigation of complex physics phenomena in partial detached divertor with coexisting thermal pulses and co-deposition layer

研究共存热脉冲和共沉积层部分分离偏滤器中的复杂物理现象

• 批准号: 21KK0048
• 负责人: 梶田 信
• 金额: $ 12.15万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Fund for the Promotion of Joint International Research (Fostering Joint International Research (B))
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-10-07 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21KK0048/
• 关键词: プラズマ; リサイクリング; 機械学習; 分光計測; ヘリウム; タングステン; 共堆積層; 熱パルス; 部分非接触ダイバータ; 核融合

中性粒子圧力依存性に着目したパルスプラズマ実験から，低リサイクルから高リサイクル条件への移行が粒子負荷に与える影響について，プラズマ装置Magnum-PSIを用いて調査した。中性圧力が高い場合には，プラズマと中性粒子との相互作用により，ターゲットイオンフラックスが緩和されることがわかった。一方，低圧力の場合，ターゲットへのイオンフラックスはパルスの終盤で部分的に抑制された。ターゲットプレートから200 mm上流に位置する静電プローブでは，このような抑制は見られなかった。流体コードと中性粒子輸送コードを組み合わせたモデリングを行い，過渡的なリサイクル中性粒子束によって引き起こされる動的圧力が，ターゲットプレートに向かってパルスプラズマを停滞させるのに十分な運動量損失をもたらすと結論した。直線型プラズマ装置Magnum-PSIにおけるレーザートムソン散乱からのneやTeとOESデータとの関係を5つの隠れ層を持つニューラルネットワーク（NN：Neural network）を導入しモデル化した。NNを導入すると重回帰分析の結果と比較して，予測された温度・密度のデータのばらつきが非常に小さくなっており，NNによって予測の精度が大きく向上した。学習用データ量を増やすと，誤差はneとTeの両方で約10%に減少することが明らかになった。本研究では，OESデータがneとTeを機械学習を導入することにより衝突輻射モデルよりもはるかに高い精度で評価するのに十分な情報を含んでいることが分かった。

Neutral particle pressure dependence is investigated in terms of particle load and influence of low and high particle pressure conditions. Neutral pressure is high, neutral particles interact with each other, and neutral particles interact with each other. On the other hand, in the case of low pressure, the pressure of the end of the disk is suppressed. 200 mm upstream position of electrostatic discharge The neutral particle transport system of the fluid is composed of a neutral particle beam and a neutral particle beam. The neutral particle beam is driven by the pressure of the fluid. The neutral particle beam is driven by the neutral particle beam. The neutral particle beam is driven by the neutral particle beam. The linear type of device Magnum-PSI is connected to the network and the relationship between the two is connected to the network. Compared with the results of the regression analysis, the prediction accuracy of temperature and density is very small, but the prediction accuracy is very high. If the amount of learning data is increased, the error will be reduced by approximately 10% to the square of ne and Te. In this study, OES data is introduced into machine learning, and conflict radiation is introduced into machine learning.

项目成果

Increased Photoelectrochemical Performance of Vanadium Oxide Thin Film by Helium Plasma Treatment with Auxiliary Molybdenum Deposition

• DOI: 10.1002/aesr.202200141
• 发表时间: 2023-01
• 期刊: Advanced Energy and Sustainability Research
• 作者: S. Kajita;Tomoki Eda;Shuangyuan Feng;Hirohiko Tanaka;A. Bieberle‐Hütter;N. Ohno

DIFFER研究所(オランダ)

DIFFER 研究所（荷兰）

Fuzz Growth Process under He-W Co-Deposition Conditions

He-W 共沉积条件下的绒毛生长过程

• DOI: 10.1585/pfr.17.1302094
• 发表时间: 2022
• 期刊: Plasma and Fusion Research
• 影响因子: 0.8
• 作者: SHEN Wanqi;KAJITA Shin;TANAKA Hirohiko;SHI Quan;OHNO Noriyasu
• 通讯作者: OHNO Noriyasu

Reduction of pulsed particle load with dynamic pressure induced by transient recycled neutral flux

通过瞬态再循环中性通量引起的动态压力减少脉冲颗粒负载

• DOI: 10.1088/1361-6587/ac8acb
• 发表时间: 2022
• 期刊: Plasma Physics and Controlled Fusion
• 影响因子: 2.2
• 作者: Hayashi Yuki;Tanaka Hirohiko;Ohno Noriyasu;Kajita Shin;Morgan Thomas;van der Meiden Hennie;Scholten John;Vernimmen Jordy;Natsume Hiroki;Sawada Keiji;Masuda Shota
• 通讯作者: Masuda Shota

Use of machine learning for a helium line intensity ratio method in Magnum-PSI

在 Magnum-PSI 中使用机器学习进行氦线强度比方法

• DOI: 10.1016/j.nme.2022.101281
• 发表时间: 2022
• 期刊: Nuclear Materials and Energy
• 影响因子: 2.6
• 作者: Kajita Shin;Iwai Sho;Tanaka Hirohiko;Nishijima Daisuke;Fujii Keisuke;van der Meiden Hennie;Ohno Noriyasu
• 通讯作者: Ohno Noriyasu