An international team from several laboratories and universities has made key advances over the last few years in the control of plasma transport and edge instabilities with applied 3D fields in the KSTAR tokamak to optimize long pulse operation scenarios. This overview begins with the optimization of both core and edge resonant magnetic perturbations (RMPs) to improve fast ion confinement to avoid excessive limiter heat loads due to fast ion losses and successful modeling of the experimental results. Integrated and advanced plasma control techniques with machine learning (ML) and adaptive control were then used to optimize the 3D field spectrum in real-time to control edge localized modes (ELMs) while avoiding core locked modes that could disrupt the plasma. Accelerating the offline model of 3D fields with a surrogate ML model can optimize ELM suppression in the edge while limiting the impact of the applied RMP fields deeper in the plasma core in real-time. In addition, the impact of the 3D fields on the divertor heat load has been modeled and compared with experimental measurements. An analysis of a multi-machine database including KSTAR has been performed to better understand the metrics for the observed RMP thresholds for ELM suppression and the resulting plasma performance. Predictive modeling of the operational space for ELM suppression and density pumpout due to RMP has shown the importance of magnetic islands in the plasma edge and their impact on plasma turbulence. This research has culminated in the development of successful long pulse operational scenarios on KSTAR while attempting to overcome challenges of the new tungsten divertor.
数年にわたり、複数の研究所と大学からなる国際チームは、KSTARトカマクにおけるプラズマ輸送と周辺不安定性の制御において、印加3次元(3D)磁場を用いた重要な進展を遂げ、長時間パルス運転シナリオを最適化してきた。本概説は、高速イオン損失による過大なリミッター熱負荷を回避するために高速イオン閉じ込めを改善する、炉心と周辺の共鳴磁気摂動(RMP)の両方の最適化と、実験結果の成功裏のモデリングから始まる。次に、機械学習(ML)と適応制御を用いた統合的かつ先進的なプラズマ制御技術により、プラズマを破壊し得る炉心ロックモードを回避しつつ、周辺局在化モード(ELM)を制御するために、3D磁場スペクトルをリアルタイムで最適化した。オフラインの3D磁場モデルをサロゲートMLモデルで高速化することで、印加されたRMP磁場がより深いプラズマ炉心に与える影響をリアルタイムで制限しながら、周辺部でのELM抑制を最適化できる。さらに、3D磁場がダイバータ熱負荷に与える影響をモデル化し、実験測定値と比較した。KSTARを含む多装置データベースの解析を実施し、ELM抑制に対する観測されたRMP閾値と、その結果得られるプラズマ性能の指標をより深く理解した。RMPによるELM抑制と密度ポンプアウトの運転領域の予測モデリングは、プラズマ周辺部における磁気島の重要性と、それらがプラズマ乱流に与える影響を示した。この研究は、新しいタングステンダイバータの課題を克服しつつ、KSTARにおける長時間パルス運転シナリオの開発成功に結実した。