A novel quasilinear turbulent transport model DeKANIS has been constructed founded on the gyrokinetic analysis of JT-60U plasmas. DeKANIS predicts particle and heat fluxes fast with a neural network (NN) based approach and distinguishes diffusive and non-diffusive transport processes. The original model only considered particle transport, but its capability has been extended to cover multi-channel turbulent transport. To solve a set of particle and heat transport equations stably in integrated codes with DeKANIS, the NN model embedded in DeKANIS has been modified. DeKANIS originally determined turbulent saturation levels semi-empirically based on JT-60U experimental data, but now it can also estimate them using a theory-based saturation rule. The new saturation model is still partly connected to experimental data, but it offers the potential for applying DeKANIS independently of the device.
新規の準線形乱流輸送モデルDeKANISは、JT-60Uプラズマのジャイロ運動論解析に基づいて構築された。DeKANISは、ニューラルネットワーク（NN）ベースのアプローチにより粒子束と熱束を高速に予測し、拡散輸送過程と非拡散輸送過程を区別する。元のモデルは粒子輸送のみを考慮していたが、その能力は多チャンネル乱流輸送をカバーするように拡張されている。DeKANISを用いた統合コードにおいて粒子および熱輸送方程式系を安定に解くために、DeKANISに組み込まれたNNモデルが修正された。DeKANISは当初、JT-60Uの実験データに基づいて乱流飽和レベルを半経験的に決定していたが、現在では理論ベースの飽和則を用いてそれらを推定することもできる。新しい飽和モデルは依然として実験データに部分的に関連しているが、DeKANISを装置に依存せずに適用する可能性を提供する。