Tungsten is a primary candidate for plasma-facing components in fusion devices, but its susceptibility to rapid oxidation during accidental air ingress poses significant safety risks. Existing models of tungsten oxidation often rely on individual parameters (such as oxygen diffusivity and adsorption energies) derived from first principles simulations, which frequently fall far from accurately explaining experimental oxidation rate trends. This study uses an improved multilayer interface tracking model that treats the oxide scale as a dynamic system of WO, WO, WO, and WO layers. To address the unknown nature of many layer-specific parameters, we employ a Differential Evolution genetic algorithm to optimize a 13-dimensional parameter space against a comprehensive database of experimental growth constants. The resulting optimized model accurately reproduces experimental oxidation kinetics and correctly predicts the temperature-dependent evolution of specific oxide phases, providing a more reliable tool for assessing the performance of fusion materials under extreme conditions. The model can be dynamically improved by incorporating experimental data as they become available, leading to parameters that reflect the state of the art in oxidation measurements and characterization.
タングステンは核融合装置におけるプラズマ対向材料の主要候補であるが、事故時の空気侵入時における急速な酸化感受性は重大な安全上のリスクをもたらす。既存のタングステン酸化モデルは、しばしば第一原理シミュレーションから導出された個別パラメータ（酸素拡散係数や吸着エネルギーなど）に依存しており、実験的な酸化速度傾向を正確に説明するには程遠いことが多い。本研究では、酸化物スケールをWO、WO、WO、およびWO層の動的システムとして扱う改良型多層界面追跡モデルを用いる。多くの層固有パラメータの未知の性質に対処するために、実験的成長定数の包括的データベースに対して13次元パラメータ空間を最適化する微分進化遺伝的アルゴリズムを用いる。得られた最適化モデルは、実験的酸化速度論を正確に再現し、特定の酸化物相の温度依存性進化を正しく予測し、極限条件下での核融合材料の性能評価のためのより信頼性の高いツールを提供する。このモデルは、実験データが得られ次第組み込むことで動的に改善でき、酸化測定および特性評価における最新の知見を反映したパラメータをもたらす。