A neural network version of the multi-mode anomalous transport module, known as MMMnet, has been developed to calculate plasma turbulent diffusivities in DIII-D with a calculation time suitable for control applications. MMMnet uses a simple artificial neural network structure to predict the ion thermal, electron thermal, and toroidal momentum diffusivities while reproducing Multi-Mode Model (MMM) data with good accuracy and keeping the calculation time as a fraction of that associated with MMM. Model-based control techniques require models with fast calculation times, making many existing physics-oriented predictive codes unsuitable. The control-oriented predictive code Control Oriented Transport Simulator (COTSIM) calculates the most significant plasma dynamics in response to the different actuators while running at a speed useful for control design. In order to achieve this calculation speed, COTSIM often relies on scaling laws and control-level models. Replacing some of these scaling laws and control-level models with neural network versions of more complex physics-level models has the potential of increasing the range of validity and the level of accuracy of COTSIM without compromising its computational speed. In this work, MMMnet is integrated into COTSIM to improve the turbulent diffusivity predictions, which will in turn improve the prediction accuracy associated with the dynamics of many plasma properties.
マルチモード異常輸送モジュールのニューラルネットワーク版であるMMMnetが、制御応用に適した計算時間でDIII-Dにおけるプラズマ乱流拡散係数を計算するために開発された。MMMnetは、単純な人工ニューラルネットワーク構造を用いて、イオン熱、電子熱、およびトロイダル運動量拡散係数を予測し、Multi-Mode Model（MMM）データを良好な精度で再現するとともに、計算時間をMMMに関連する時間の一部に抑える。モデルベース制御技術は高速な計算時間を持つモデルを必要とするため、多くの既存の物理指向予測コードは不適切である。制御指向予測コードであるControl Oriented Transport Simulator（COTSIM）は、異なるアクチュエータに対する最も重要なプラズマ力学を、制御設計に有用な速度で実行しながら計算する。この計算速度を達成するために、COTSIMはしばしばスケーリング則および制御レベルモデルに依存している。これらのスケーリング則および制御レベルモデルの一部を、より複雑な物理レベルモデルのニューラルネットワーク版に置き換えることは、計算速度を損なうことなくCOTSIMの適用範囲と精度を高める可能性を有する。本研究では、MMMnetをCOTSIMに統合して乱流拡散係数の予測を改善し、それにより多くのプラズマ特性の力学に関連する予測精度を向上させる。