[论文解读] 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 12

一句话总结

该论文提出了一种用于聚变等离子体平衡和模式结构分析的贝叶斯反演框架，通过将诊断数据与物理模型相结合，约束磁通面和电流分布，而无需依赖力平衡假设。该方法在MAST中实现了改进的平衡重建，并在H-1 Heliac中实现了预测的模式结构分析，其结果与观测一致，且量化了环向电流对安全因子和磁通面的影响。

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.

研究动机与目标

• 开发一种贝叶斯推断框架，将诊断数据与先验物理知识相结合，以改进高性能聚变装置中的等离子体平衡重建。
• 通过贝叶斯模型比较量化诊断数据对不同平衡模型（如理想MHD、含流理想MHD及能量流体模型）的拟合程度，以检验其竞争性。
• 利用前向模型和概率反演，实现对螺旋构型（如H-1 Heliac）中全局阿尔芬波（GAEs）模式结构的稳健推断。
• 通过显式考虑诊断测量和前向模型中的不确定性、相互依赖性和仪器偏差，减少模型与数据之间的不一致性。
• 以提供后验分布的概率框架替代传统的等离子体平衡重建工具（如EFIT），从而提升参数推断的可靠性与可解释性。

提出的方法

• 利用贝叶斯定理计算后验分布 $ P(\mathbf{\mathcal{I}}|\mathbf{\mathcal{D}}) = P(\mathbf{\mathcal{D}}|\mathbf{\mathcal{I}})P(\mathbf{\mathcal{I}})/P(\mathbf{\mathcal{D}}) $，将给定参数下数据的似然与先验知识相结合。
• 应用条件随机场先验，以在推断电流束分布时保持平滑性，同时最小化长距离空间相关性。
• 采用线性前向模型处理MSE、磁通线圈和拾取线圈，其中数据 $ \mathbf{\mathcal{D}} $ 建模为 $ \mathbf{\mathcal{D}} = \mathbf{\mathcal{M}}\mathbf{\mathcal{I}} + \mathbf{\mathcal{C}} $，且 $ \mathbf{\mathcal{M}} $ 与磁场分量 $ B_R, B_Z $ 线性相关。
• 使用蒙特卡洛模拟从汤姆孙散射数据拟合压力剖面 $ p'(\psi) $，并在理想MHD力平衡假设下计算 $ f(\psi)f'(\psi) $。
• 构建包含螺旋波纹平均的圆柱形等离子体模型，用于计算Suydam判据和GAE模态的本征函数，涵盖真空区和非均匀密度分布。
• 计划通过将汤姆孙散射和电荷交换复合光谱的前向模型集成到MINERVA中，进一步扩展该框架，以实现对等离子体平衡和模式结构的完整贝叶斯推断。

实验结果

研究问题

• RQ1 如何利用贝叶斯反演在不依赖力平衡模型的前提下，推断MAST中多极通量和电流分布？
• RQ2 与标准等离子体平衡代码相比，通过贝叶斯方法推断的环向电流在多大程度上改变了轴向安全因子和磁通面几何结构？
• RQ3 贝叶斯推断能否基于诊断数据区分竞争性等衡模型（如理想MHD、含流理想MHD及能量流体模型）？
• RQ4 基于圆柱形模型预测的GAE本征函数在多大程度上与H-1 Heliac中观测到的模式结构一致，特别是在径向波节数量和位置方面？
• RQ5 系统性不确定性与仪器噪声对高性能等离子体中平衡和模式结构推断可靠性的影响如何？

主要发现

• 在MAST #22254于320 ms时刻的后验推断中，多极通量轮廓与EFIT结果高度一致，验证了该贝叶斯方法在无力平衡约束下的有效性。
• 推断得到的 $ f(\psi)f'(\psi) $ 剖面在核心到边缘的变化比EFIT高出22%，表明环向电流效应使轴向安全因子增加了22%。
• 环向电流修正增加了等离子体中多极通量的变化，但未改变磁通面几何结构或夏弗兰诺夫位移。
• 在H-1 Heliac中计算出一个候选 (m,n) = (3,4) GAE模态，频率为12.1 krad/s，其本征函数结构在径向波节数量和位置上与近期观测结果相似。
• 该贝叶斯框架能够量化模型拟合度与不确定性，从而实现对理想MHD、双流体及能量流体描述等竞争性等衡模型的严格比较。
• 未来工作将把汤姆孙散射和电荷交换光谱的前向模型部署到MINERVA中，以计算模式类别和参数的后验分布，并计划过渡到3D波代码（如CAS3D）。