The critical task of inferring anomalous cross-field transport coefficients is addressed in simulations of boundary plasmas with fluid models. A workflow for parameter inference in the UEDGE fluid code is developed using Bayesian optimization with parallelized sampling and integrated uncertainty quantification. In this workflow, transport coefficients are inferred by maximizing their posterior probability distribution, which is generally multidimensional and non-Gaussian. Uncertainty quantification is integrated throughout the optimization within the Bayesian framework that combines diagnostic uncertainties and model limitations. As a concrete example, we infer the anomalous electron thermal diffusivity from an interpretive 2D model describing electron heat transport in the conduction-limited region with radiative power loss. The workflow is first benchmarked against synthetic data and then tested on H-, L-, and I-mode discharges to match their midplane temperature and divertor heat flux profiles. We demonstrate that the workflow efficiently infers diffusivity and its associated uncertainty, generating 2D profiles that match 1D measurements. Future efforts will focus on incorporating more complicated fluid models and analyzing transport coefficients inferred from a large database of experimental results.
流体モデルを用いた境界プラズマのシミュレーションにおいて、異常横断輸送係数を推定するという重要課題に取り組む。UEDGE流体コードにおけるパラメータ推定のためのワークフローを、並列化サンプリングと統合的不確実性定量化を備えたベイズ最適化を用いて開発する。このワークフローでは、輸送係数は、一般に多次元かつ非ガウス型である事後確率分布を最大化することによって推定される。不確実性定量化は、診断の不確実性とモデルの限界を組み合わせるベイズフレームワーク内で、最適化全体を通じて統合される。具体例として、放射パワー損失を伴う伝導制限領域における電子熱輸送を記述する解釈的2Dモデルから、異常電子熱拡散率を推定する。このワークフローは、まず合成データに対してベンチマークされ、次にHモード、Lモード、Iモードの放電に適用され、それらの中平面温度とダイバータ熱流束プロファイルを再現するようテストされる。このワークフローが、拡散率とそれに関連する不確実性を効率的に推定し、1D測定に一致する2Dプロファイルを生成することを実証する。今後の取り組みは、より複雑な流体モデルの組み込みと、大規模な実験結果データベースから推定された輸送係数の分析に焦点を当てる。