Predictive, fast reduced-order models are essential for fusion devices like ITER, where real-time transport forecasting, optimisation, and control cannot depend on costly first-principles turbulence simulations alone. We tackle this problem with the LaQuey Mahajan, Rutherford, and Tang equation, a reduced trapped-ion mode turbulence model equivalent, after nondimensionalisation, to the Kuramoto–Sivashinsky equation. We use a geometry-aware reduced-order framework over a two-parameter space of damping and dissipation. Local proper orthogonal decomposition bases extracted from direct numerical simulation are used to build Galerkin reduced models. Frozen bases remain accurate when turbulent structures vary smoothly, but they deviate near transitional regimes where fluctuation content reorganises. Grassmann-manifold analysis shows that subspace proximity does not always guarantee physical accuracy: transport may be reproduced even when fine-scale structure is not. Adaptive, parameter-dependent bases obtained by manifold interpolation significantly improve robustness and recover both large-scale and fine-scale fidelity. Overall, the results show that transport accuracy, structural fidelity, and basis geometry are complementary validation criteria for plasma surrogates, and they support efficient predictive models for ITER-scale optimisation and control.
予測的で高速な低次元モデルは、ITERのような核融合装置にとって不可欠である。そこでは、リアルタイムの輸送予測、最適化、制御は、高コストな第一原理乱流シミュレーションのみに依存することはできない。我々はこの問題に、LaQuey Mahajan, Rutherford, and Tang方程式を用いて取り組む。これは、無次元化後にはKuramoto–Sivashinsky方程式と等価な、簡約された捕捉イオンモード乱流モデルである。我々は、減衰と散逸の2パラメータ空間上の幾何認識型低次元化フレームワークを用いる。直接数値シミュレーションから抽出された局所固有直交分解基底を用いて、Galerkin低次元モデルを構築する。固定基底は、乱流構造が滑らかに変化する場合には正確であり続けるが、変動成分が再編成される遷移領域の近くでは逸脱する。Grassmann多様体解析は、部分空間の近接性が常に物理的精度を保証するわけではないことを示している：微細スケール構造が再現されなくても輸送が再現される場合がある。多様体補間によって得られる適応的でパラメータ依存の基底は、頑健性を大幅に向上させ、大規模および微細スケールの忠実度の両方を回復する。全体として、結果は、輸送精度、構造忠実度、および基底幾何がプラズマ代理モデルの相補的な検証基準であることを示し、ITER規模の最適化と制御のための効率的な予測モデルを支援する。