[論文レビュー] Model Data Fusion: developing Bayesian inversion to constrain equilibrium and mode structure

Matthew Hole, G. von Nessi+6 more|arXiv (Cornell University)|Feb 17, 2010

Magnetic confinement fusion research参考文献 3被引用数 12

ひとこと要約

本稿は、力の釣り合い仮定に依存せずに、診断データと物理モデルを統合して磁束面と電流プロファイルを制約するベイズ推論フレームワークを、核融合プラズマ平衡およびモード構造解析に開発した。MASTでは改善された平衡再構築を、H-1ヘリカルでは予測可能なモード構造解析を実現し、観測と整合する固有関数構造を示し、安全係数と磁束面に及ぼす極向電流の影響を定量化した。

ABSTRACT

Recently, a new probabilistic "data fusion" framework based on Bayesian principles has been developed on JET and W7-AS. The Bayesian analysis framework folds in uncertainties and inter-dependencies in the diagnostic data and signal forward-models, together with prior knowledge of the state of the plasma, to yield predictions of internal magnetic structure. A feature of the framework, known as MINERVA (J. Svensson, A. Werner, Plasma Physics and Controlled Fusion 50, 085022, 2008), is the inference of magnetic flux surfaces without the use of a force balance model. We discuss results from a new project to develop Bayesian inversion tools that aim to (1) distinguish between competing equilibrium theories, which capture different physics, using the MAST spherical tokamak; and (2) test the predictions of MHD theory, particularly mode structure, using the H-1 Heliac.

研究の動機と目的

• 高パフォーマンス核融合装置におけるプラズマ平衡再構築を改善するため、診断データと事前物理的知識を統合するベイズ推論フレームワークの開発。
• ベイズモデル比較を用いて、実験データへの適合度を定量化することで、理想MHD、流れを含む理想MHD、およびエネルギー流体モデルなどの代替平衡モデルを検証。
• 前方モデルと確率的逆問題解法を用いて、H-1ヘリカルのようなヘリカル構造型におけるグローバルアーメルトエイジンスモード（GAEs）の構造を、信頼性の高い推論を可能にする。
• 診断測定値および前方モデルにおける不確実性、相関関係、機器バイアスを明示的に取り入れることで、モデルとデータの不一致を低減。
• EFITのような従来の平衡再構築ツールに代わる確率的フレームワークを導入し、プラズマパラメータの事後分布を出力することで、信頼性と解釈可能性を向上。

提案手法

• ベイズの定理を用いて、事後分布 $ P(\mathbf{\mathcal{I}}|\mathbf{\mathcal{D}}) = P(\mathbf{\mathcal{D}}|\mathbf{\mathcal{I}})P(\mathbf{\mathcal{I}})/P(\mathbf{\mathcal{D}}) $ を計算し、パラメータが与えられたもとでのデータ尤度と事前知識を統合。
• 推定された電流ビーム分布の滑らかさを保つために条件付き自己回帰事前分布を適用し、長距離空間相関を最小限に抑える。
• MSE、フラックスループ、ピックアップコイルの線形前方モデルを採用し、データ $ \mathbf{\mathcal{D}} $ を $ \mathbf{\mathcal{D}} = \mathbf{\mathcal{M}}\mathbf{\mathcal{I}} + \mathbf{\mathcal{C}} $ としてモデル化、ここで $ \mathbf{\mathcal{M}} $ は磁場成分 $ B_R, B_Z $ に関して線形。
• モンテカルロシミュレーションを用いて、トンプソン散乱データから圧力プロファイル $ p'(\psi) $ をフィットし、理想MHDの力の釣り合い仮定の下で $ f(\psi)f'(\psi) $ を計算。
• ヘリカルリップルの平均化を施した円筒形プラズマモデルを構築し、Suydam基準およびGAEモードの固有関数を計算。真空領域と非一様密度プロファイルを含む。
• 将来的には、MINERVAにトンプソン散乱およびイオン化交換再結合分光法の前方モデルを統合し、平衡およびモード構造の完全なベイズ推論を実現する予定。

実験結果

リサーチクエスチョン

• RQ1 力の釣り合いモデルに依存せずに、MASTにおける極向磁束および電流プロファイルをベイズ推論でどのように推定できるか。
• RQ2 ベイズ手法で推定された極向電流は、標準的な平衡コードと比較して、中心部の安全係数および磁束面幾何学にどの程度の影響を及ぼすか。
• RQ3 診断データに基づいて、ベイズ推論は理想MHD、流れを含む理想MHD、エネルギー流体モデルなどの代替平衡モデルを区別できるか。
• RQ4 円筒モデルから予測されたGAE固有関数は、H-1ヘリカルでの観測モード構造と、特に径方向ノード数および位置においてどの程度一致するか。
• RQ5 系統的不確実性および機器ノイズは、高パフォーマンスプラズマにおける平衡およびモード構造推論の信頼性にどのような影響を及ぼすか。

主な発見

• MAST #22254 における320 ms 時点での極向磁束等高線の事後推論は、EFIT結果と良好に一致し、力の釣り合い制約なしにベイズ手法の妥当性を検証した。
• 推定された $ f(\psi)f'(\psi) $ プロファイルは、EFITと比較してコアからエッジへの変化が22%大きいことを示し、極向電流の影響により中心部の安全係数が22%上昇していることを示唆した。
• 極向電流補正はプラズマ内の極向磁束の変化を増大させるが、磁束面幾何学やシャフランフ・シフトに変化をもたらさない。
• H-1ヘリカルにおける候補モード (m,n) = (3,4) は12.1 krad/sで計算され、最近の観測と同様の径方向ノード数および位置を持つ固有関数構造を示した。
• ベイズフレームワークにより、モデル適合度と不確実性を定量化でき、理想MHD、2流体、エネルギー流体記述などの代替平衡モデルを厳密に比較可能となった。
• 今後の作業では、MINERVAにトンプソン散乱およびイオン化交換分光法の前方モデルを統合し、モードクラスおよびパラメータの事後分布を計算する予定であり、CAS3Dのような3次元波コードへの移行を計画している。