基于物理导向的机器学习预测EAST误差场锁模引起的破裂

报告题目：基于物理导向的机器学习预测EAST误差场锁模引起的破裂

报告人：王辉辉 副研究员

报告时间： 2023年9月21日14：30-16：00

报告地点：逸夫楼211

报告对象：计算机科学与技术学院及其他感兴趣师生

报告内容：本报告基于物理分析及机器学习的角度研究了EAST上误差场锁模诱发的破裂。这些锁模实验数据主要来自2015年到2022年期间EAST上开展的误差场锁模实验。在该数据库中，42%是锁模破裂炮，58%锁模没有诱发破裂。在物理分析中，我们提出了锁模诱发破裂的物理过程。该过程诱发的破裂可以分成两个阶段，即锁模后的磁岛演化阶段和等离子体能量损失阶段。统计分析随后证实了该过程涉及的关键物理参数。我们使用这些关键物理参数用于机器学习。机器学习的结果表明磁岛外边界与装置第一壁之间的距离是破裂中最重要的物理量，其次是能量约束时间，径向向内作用力，95%磁通面处的安全因子q95，电子温度，磁岛宽度，纵场强度，储能等。我们的锁模诱发破裂的预测准确率可以达到97.4%，误差率仅为7.84%。该结果高于其他类型直接预测破裂的预测准确度。该研究表明基于破裂种类和相关物理参数构建的数据库可以为破裂的准确预测提供更好的数据库。除此以外，我们也针对实验数据的准确性开展了误差分析。

报告人简介：王辉辉，中国科学院合肥物质科学研究院副研究员，国际托卡马克物理活动（ITPA）误差场专题专家组成员，ITPA新的物理基础误差场专题四个撰稿人之一，国家重大科技基础设施EAST磁流体不稳定性及三维物理负责人。2013年底毕业于大连理工大学等离子体物理专业，获得理学博士学位，随后进入中国科学院等离子体物理研究所。主要从事磁约束聚变理论与实验结合的研究工作。先后主持和参加国家级科研项目近十项，发表论文三十余篇。在托卡马克误差场锁模方面的研究成果两次入选中国科学院重大科技基础设施面向世界科技前沿成果，研究成果先后被韩国KSTAR和美国DIII-D装置验证，被编入ITPA误差场评估标准。