Combining the analysis of multiple diagnostics and well-chosen prior information in the framework of Bayesian probability theory, the Integrated Data Analysis code (IDA Fischer et al 2010 Fusion Sci. Technol.58 675–84) can provide density and temperature radial profiles of fusion plasmas. These IDA-fitted measurements are then used for further analysis, such as discharge simulations and other experimental data analysis. Since IDA considers measurement data, which is frequently fragmentary, with statistical and systematic uncertainties, which are often difficult to quantify, from a heterogeneous set of diagnostics, the fitted profiles and their gradients may be in contradiction to well-established expectations from transport theory. Using the modeling suite ASTRA coupled with the quasi-linear transport solver TGLF, we have created a loop in which simulated profiles and their uncertainties are fed back into IDA as an additional prior, thus providing constraints about the physically reasonable parameter space. We apply this physics-motivated prior to several different plasma scenarios and find improved heat flux match, while still matching the experimental data. This work feeds into a broader effort to make IDA more robust against measurement uncertainties or lack of measurements by combining multiple transport solvers with different levels of complexity and computing costs in a multi-fidelity approach.
ベイズ確率論の枠組みにおいて複数の診断法の解析と適切に選択された事前情報を組み合わせることにより、統合データ解析コード（IDA、Fischer et al 2010 Fusion Sci. Technol.58 675–84）は、核融合プラズマの密度および温度の径方向プロファイルを提供することができる。これらのIDAフィッティングによる計測値は、その後、放電シミュレーションやその他の実験データ解析などのさらなる解析に使用される。IDAは、しばしば断片的な測定データを、定量化が困難な統計的および系統的不確かさとともに、不均一な診断群から考慮するため、フィッティングされたプロファイルおよびその勾配は、輸送理論からの確立された期待と矛盾する可能性がある。準線形輸送ソルバーTGLFと結合したモデリングスイートASTRAを用いて、我々はシミュレーションされたプロファイルとその不確かさを追加の事前分布としてIDAにフィードバックし、それによって物理的に妥当なパラメータ空間に関する制約を提供するループを構築した。我々はこの物理に動機づけられた事前分布を複数の異なるプラズマシナリオに適用し、実験データとの整合性を保ちながら、熱流束の一致が改善されることを見いだした。この研究は、異なる複雑さと計算コストを持つ複数の輸送ソルバーを多忠実度アプローチで組み合わせることにより、IDAを測定不確かさや測定欠如に対してより頑健にするためのより広範な取り組みに貢献するものである。