[논문 리뷰] Surrogate Approximation of the Grad-Shafranov Free Boundary Problem via Stochastic Collocation on Sparse Grids

Howard C. Elman, Jiaxing Liang외 1명|arXiv (Cornell University)|2021. 05. 25.

Nuclear reactor physics and engineering참고 문헌 42인용 수 3

한 줄 요약

이 논문은 토카막 플라즈마 반응로에서 코ils의 전류 강도에 대한 불확실성 하에서 자유 경계 고드-샤프란프 방정식의 해를 효율적으로 근사하기 위해 희소 격자 위에서의 확률적 콜로케이션 방법을 제시한다. 서브오르디네이트 모델을 구축함으로써, 직접 유한요소 해법을 사용하는 것에 비해 몬테카를로 시뮬레이션 비용을 7배에서 30배 이상 감소시켜 플라즈마 경계 특성(예: x-포인트, 스트라이크 포인트, 형상 파라미터)의 정확한 불확실성 정량화를 가능하게 한다.

ABSTRACT

In magnetic confinement fusion devices, the equilibrium configuration of a plasma is determined by the balance between the hydrostatic pressure in the fluid and the magnetic forces generated by an array of external coils and the plasma itself. The location of the plasma is not known a priori and must be obtained as the solution to a free boundary problem. The partial differential equation that determines the behavior of the combined magnetic field depends on a set of physical parameters (location of the coils, intensity of the electric currents going through them, magnetic permeability, etc.) that are subject to uncertainty and variability. The confinement region is in turn a function of these stochastic parameters as well. In this work, we consider variations on the current intensities running through the external coils as the dominant source of uncertainty. This leads to a parameter space of dimension equal to the number of coils in the reactor. With the aid of a surrogate function built on a sparse grid in parameter space, a Monte Carlo strategy is used to explore the effect that stochasticity in the parameters has on important features of the plasma boundary such as the location of the x-point, the strike points, and shaping attributes such as triangularity and elongation. The use of the surrogate function reduces the time required for the Monte Carlo simulations by factors that range between 7 and over 30.

연구 동기 및 목표

• 코일 전류 강도에 대한 불확실성 하에서 fusion 반응로의 플라즈마 평형을 시뮬레이션하는 데 발생하는 계산적 과제를 해결한다.
• 확률적 코일 전류가 x-포인트, 스트라이크 포인트, 형상 파라미터(삼각형도, 길이비)와 같은 주요 플라즈마 경계 특성에 미치는 영향을 정량화한다.
• 비선형 자유 경계 고드-샤프란프 방정식의 직접 해법을 대체할 수 있는 서브오르디네이트 모델을 개발한다.
• 최소한의 계산 오버헤드로 확장 가능한 몬테카를로 시뮬레이션을 통한 불확실성 정량화를 가능하게 한다.
• 다양한 노이즈 수준과 파rameter 차원에서 직접 유한요소 해법과의 정확성과 일관성을 확보한다.

제안 방법

• 매개변수 공간에서 고드-샤프란프 방정식의 해에 대한 서브오르디네이트 근사를 구성하기 위해 희소 격자 위에서의 확률적 콜로케이션을 사용한다.
• 코일 전류 강도를 확률적 매개변수로 간주하여 수치 실험에서는 12차원의 매개변수 공간을 구성한다.
• 유한요소 해법(FEEQS.M)을 사용해 이산 고드-샤프란프 문제의 해를 희소 격자 점에서 보간함으로써 서브오르디네이트를 구축한다.
• 플라즈마 표면 근처의 복잡한 경계층을 해상도하기 위해 물리적 영역에서의 적응형 메쉬 정밀도를 활용한다.
• 서브오르디네이트를 몬테카를로 프레임워크에 통합하여 플라즈마 경계 특성의 통계적 모멘트(평균, 분산)를 추정한다.
• 서브오르디네이트 구축 및 평가를 가속화하기 위해 벡터화된 MATLAB 구현(FEEQS.M 및 spinterp)을 활용한다.

실험 결과

연구 질문

• RQ1 코일 전류 강도의 불확실성이 토카막 반응로에서 플라즈마 경계의 위치와 안정성에 어떤 영향을 미치는가?
• RQ2 희소 격자 기반의 확률적 콜로케이션을 통해 구축된 서브오르디네이트 모델이 x-포인트, 스트라이크 포인트와 같은 플라즈마 경계 특성을 얼마나 정확하게 예측할 수 있는가?
• RQ3 몬테카를로 시뮬레이션에서 직접 유한요소 해법에 비해 서브오르디네이트 모델을 사용할 경우 얻는 계산 속도 향상은 어느 정도인가?
• RQ4 확률적 코일 전류 하에서 플라즈마 형상 파라미터(예: 길이비, 삼각형도)의 통계적 모멘트(평균 및 분산)는 어떻게 변화하는가?
• RQ5 불확실한 매개변수의 수가 증가함에 따라 서브오르디네이트 정확도와 계산 비용 사이의 상충 관계는 어떠한가?

주요 결과

• 서브오르디네이트 모델은 직접 유한요소 해법에 비해 몬테카를로 시뮬레이션의 계산 비용을 7배에서 30배 이상 감소시켰다.
• 코일 전류에 2%의 노이즈가 있을 경우, 레벨 3 서브오르디네이트는 30배 이상의 속도 향상을 달성했으며, 플라즈마 특성의 표본 평균과 분산이 직접 해법 결과와 1% 이내의 정확도로 일치했다.
• 12개의 불확실한 매개변수 조건에서도 서브오르디네이트는 x-포인트 및 스트라이크 포인트 위치와 형상 파라미터의 올바른 경향성을 유지했다.
• 역 비율, 길이비, 삼각형도와 같은 핵심 양의 평균 및 분산 추정치는 여러 표본에 걸쳐 일관되었으며, 직접 해법 결과와 1% 이내의 오차로 일치했다.
• 서브오르디네이트를 구축하는 오프라인 비용(레벨 4 기준 약 131,000초 이내)은 다수의 시뮬레이션에 걸쳐 분할되어, 2% 노이즈 조건에서 사전 처리 시간을 포함해도 네트워크 속도 향상이 3배 이상 달성되었다.
• 서브오르디네이트 방법은 x-포인트(5.14, -3.29) 및 스트라이크 포인트(4.16, -3.71)와 (5.56, -4.22)를 포함한 모든 플라즈마 경계 특성에 대해 높은 정확도를 유지했으며, 표준 오차는 1% 미만이었다.