Artificial intelligence techniques, particularly machine learning, are increasingly being employed to reduce the computational cost of high-fidelity fusion simulations. In this work, nonlinear gyrokinetic simulations are performed to systematically scan the plasma gradient parameter space relevant to HL-2A discharge #27055 plasmas, generating a database of electrostatic drift-wave turbulence for the development of transport surrogate models. A local surrogate model for turbulent transport is first constructed using a feedforward neural network (FNN) trained on 4267 nonlinear local simulation data points, achieving coefficients of determination of up to for key transport coefficients. Building upon this, a second-stage global surrogate model based on support vector regression (SVR) is developed to map local transport predictions to global turbulent transport, trained on 40 global gyrokinetic simulation cases. The resulting global surrogate model is subsequently coupled to an reduced transport solver, which successfully reproduces the steady-state plasma profiles in good agreement with experimental observations. This study provides a practical workflow for predicting global turbulent transport using local surrogate models and machine learning techniques. The proposed approach offers an accurate and computationally efficient strategy for integrated transport simulations, with potential applications in scenario development and control-oriented real-time simulations for present and future fusion devices.
人工知能技術、特に機械学習は、高忠実度核融合シミュレーションの計算コストを削減するためにますます活用されている。本研究では、非線形ジャイロ運動論シミュレーションを実施し、HL-2A放電#27055プラズマに関連するプラズマ勾配パラメータ空間を系統的に走査することで、輸送サロゲートモデル開発のための静電ドリフト波乱流データベースを生成した。まず、4267点の非線形局所シミュレーションデータを用いて訓練されたフィードフォワードニューラルネットワーク（FNN）により、乱流輸送の局所サロゲートモデルを構築し、主要な輸送係数について最大で の決定係数を達成した。これに基づき、サポートベクター回帰（SVR）を用いた第二段階の大域サロゲートモデルを開発し、局所輸送予測を大域乱流輸送にマッピングするもので、40件の大域ジャイロ運動論シミュレーションケースで訓練された。得られた大域サロゲートモデルは、その後、簡約輸送ソルバーに結合され、実験観測と良好に一致する定常状態のプラズマプロファイルを再現することに成功した。本研究は、局所サロゲートモデルと機械学習技術を用いて大域乱流輸送を予測するための実用的なワークフローを提供するものである。提案されたアプローチは、統合輸送シミュレーションに対する正確かつ計算効率の高い戦略を提供し、現在および将来の核融合装置におけるシナリオ開発や制御指向のリアルタイムシミュレーションへの応用が期待される。