[论文解读] Surrogate Approximation of the Grad-Shafranov Free Boundary Problem via Stochastic Collocation on Sparse Grids

Howard C. Elman, Jiaxing Liang+1 more|arXiv (Cornell University)|May 25, 2021

Nuclear reactor physics and engineering参考文献 42被引用 3

一句话总结

该论文提出了一种在稀疏网格上进行的随机配置方法，以高效逼近受线圈电流强度不确定性影响的聚变等离子体平衡中Grad–Shafranov自由边界问题的解。通过构建代理模型，该方法将蒙特卡洛模拟的计算成本相比直接的有限元求解降低了7至30倍以上，从而实现了对等离子体边界特征（如X点、冲击点及形状参数）的精确不确定性量化。

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.

研究动机与目标

• 解决在线圈电流强度存在不确定性时模拟聚变反应堆等离子体平衡所面临的计算挑战。
• 量化随机线圈电流对关键等离子体边界特征（如X点、冲击点及形状参数，包括三角形度、长径比）的影响。
• 构建代理模型以替代昂贵的非线性自由边界Grad–Shafranov问题的直接求解。
• 在计算开销极小的前提下，实现可扩展的蒙特卡洛模拟，用于不确定性量化。
• 确保代理模型预测结果在不同噪声水平和参数维度下，与直接有限元求解结果保持高精度和一致性。

提出的方法

• 在参数空间中使用稀疏网格上的随机配置方法，构建Grad–Shafranov方程解的代理近似。
• 将线圈电流强度视为随机参数，数值实验中形成12维的参数空间。
• 通过在稀疏网格点上插值有限元求解器（FEEQS.M）求解离散Grad–Shafranov问题的解，构建代理模型。
• 在物理域中采用自适应网格加密，以精确解析靠近等离子体边缘的复杂边界层。
• 将代理模型集成到蒙特卡洛框架中，以估计等离子体边界特征的统计矩（均值、方差）。
• 利用向量化MATLAB实现（FEEQS.M 和 spinterp）加速代理模型的构建与评估。

实验结果

研究问题

• RQ1 线圈电流强度的不确定性在多大程度上影响托卡马克反应堆中等离子体边界的位移与稳定性？
• RQ2 通过稀疏网格随机配置构建的代理模型，在多大程度上能准确预测等离子体边界特征（如X点和冲击点）？
• RQ3 在蒙特卡洛模拟中，与直接有限元求解相比，使用代理模型能获得多大的计算加速？
• RQ4 在随机线圈电流作用下，等离子体形状参数（如长径比、三角形度）的统计矩（均值与方差）如何变化？
• RQ5 随着不确定参数数量的增加，代理模型的精度与计算成本之间存在何种权衡？

主要发现

• 与直接有限元求解相比，代理模型将蒙特卡洛模拟的计算成本降低了7至30倍以上。
• 在2%线圈电流噪声下，三级代理模型实现了超过30倍的加速，且等离子体特征的样本均值与方差与直接求解器结果的偏差在1%以内。
• 即使在12个不确定参数的情况下，代理模型仍准确保持了等离子体边界行为的正确趋势，包括X点与冲击点的位置及形状参数。
• 代理模型对关键参数（如倒置长径比、长径比、三角形度）的均值与方差估计在多次采样中保持一致，且与直接求解器结果的误差在1%以内。
• 构建代理模型的离线计算成本（四级时最高约131,000秒）可分摊至多次模拟，即使计入2%噪声下的预处理时间，净加速仍达3倍。
• 代理方法对所有等离子体边界特征（包括X点(5.14, -3.29)、冲击点(4.16, -3.71)与(5.56, -4.22)）均保持高精度，标准误差低于1%。