Time-dependent SOLPS-ITER simulations have been used to identify reduced models with the sparse identification of nonlinear dynamics (SINDy) method and develop model-predictive control of the boundary plasma state using main ion gas puff actuation. A series of gas actuation sequences are input into SOLPS-ITER to produce a dynamic response in upstream and divertor plasma quantities. The SINDy method is applied to identify reduced linear and nonlinear models for the electron density at the outboard midplane and the electron temperature at the outer divertor . Note that is not necessarily the peak value of Te along the divertor. The identified reduced models are interpretable by construction (i.e. not black box), and have the form of coupled ordinary differential equations. Despite significant noise in , the reduced models can be used to predict the response over a range of actuation levels to a maximum deviation of 0.5% in and 5%–10% in for the cases considered. Model retraining using time history data triggered by a preset error threshold is also demonstrated. A model predictive control strategy for nonlinear models is developed and used to perform feedback control of a SOLPS-ITER simulation to produce a setpoint trajectory in using the integrated plasma simulator framework. The developed techniques are general and can be applied to time-dependent data from other boundary simulations or experimental data. Ongoing work is extending the approach to model identification and control for divertor detachment, which will present transient nonlinear behavior from impurity seeding, including realistic latency and synthetic diagnostic signals derived from the full SOLPS-ITER output.
時間依存SOLPS-ITERシミュレーションを用いて、非線形ダイナミクスのスパース同定（SINDy）法により縮約モデルを同定し、主イオンガスパフ操作を用いた境界プラズマ状態のモデル予測制御を開発した。一連のガス操作シーケンスをSOLPS-ITERに入力し、上流およびダイバータのプラズマ量における動的応答を生成した。SINDy法を適用して、外側ミッドプレーンにおける電子密度\(n_e\)と外側ダイバータにおける電子温度\(T_e\)の縮約線形モデルおよび非線形モデルを同定した。なお、\(T_e\)はダイバータに沿ったTeのピーク値であるとは限らない。同定された縮約モデルは、構成上解釈可能であり（すなわちブラックボックスではなく）、結合常微分方程式の形を持つ。\(T_e\)における有意なノイズにもかかわらず、縮約モデルは、検討したケースについて、\(n_e\)では最大偏差0.5%、\(T_e\)では5%–10%の範囲で、操作レベルの範囲にわたって応答を予測できる。所定の誤差しきい値によってトリガーされる時系列履歴データを用いたモデル再学習も実証された。非線形モデルのためのモデル予測制御戦略を開発し、統合プラズマシミュレータフレームワークを用いてSOLPS-ITERシミュレーションのフィードバック制御を実行し、\(T_e\)の設定点軌道を生成した。開発された手法は一般的であり、他の境界シミュレーションまたは実験データからの時間依存データに適用できる。進行中の研究では、このアプローチをダイバータデタッチメントのモデル同定と制御に拡張している。これは、不純物シーディングによる過渡的な非線形挙動を呈し、現実的なレイテンシと完全なSOLPS-ITER出力から導出された合成診断信号を含むものである。