Investigation of complex physics phenomena in partial detached divertor with coexisting thermal pulses and co-deposition layer
Project/Area Number |
21KK0048
|
Research Category |
Fund for the Promotion of Joint International Research (Fostering Joint International Research (B))
|
Allocation Type | Multi-year Fund |
Review Section |
Medium-sized Section 14:Plasma science and related fields
|
Research Institution | The University of Tokyo |
Principal Investigator |
梶田 信 東京大学, 大学院新領域創成科学研究科, 教授 (00455297)
|
Co-Investigator(Kenkyū-buntansha) |
田中 宏彦 名古屋大学, 工学研究科, 助教 (60609981)
林 祐貴 核融合科学研究所, ヘリカル研究部, 助教 (00823387)
皇甫 度均 筑波大学, 数理物質系, 助教 (00870908)
|
Project Period (FY) |
2021-10-07 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥18,980,000 (Direct Cost: ¥14,600,000、Indirect Cost: ¥4,380,000)
Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2024: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2023: ¥5,980,000 (Direct Cost: ¥4,600,000、Indirect Cost: ¥1,380,000)
Fiscal Year 2022: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
Fiscal Year 2021: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
|
Keywords | プラズマ / リサイクリング / 機械学習 / 分光計測 / ヘリウム / タングステン / 共堆積層 / 熱パルス / 部分非接触ダイバータ / 核融合 |
Outline of Research at the Start |
核融合炉の材料への熱負荷低減のために,ITERにおいては部分的非接触プラズマを利用したプラズマ制御が導入される。そこでは,熱パルス流入と共堆積層(金属とガスを含む堆積層)形成が共存する複合的なプラズマ材料相互作用が起こることになる。本研究では,核融合炉壁近傍のプラズマ模擬が世界で唯一可能なオランダの直線装置Magnum-PSIで,定常+熱パルスプラズマを利用し,これまで申請者らが取り組んできた部分的非接触プラズマ環境における,①非接触プラズマの時空間分布計測による動的挙動の理解と,②ヘリウム共堆積層の形成とその熱パルス応答に関する研究を,国際共同研究の枠組みのもとで強力に推進する。
|
Outline of Annual Research Achievements |
中性粒子圧力依存性に着目したパルスプラズマ実験から,低リサイクルから高リサイクル条件への移行が粒子負荷に与える影響について,プラズマ装置Magnum-PSIを用いて調査した。中性圧力が高い場合には,プラズマと中性粒子との相互作用により,ターゲットイオンフラックスが緩和されることがわかった。一方,低圧力の場合,ターゲットへのイオンフラックスはパルスの終盤で部分的に抑制された。ターゲットプレートから200 mm上流に位置する静電プローブでは,このような抑制は見られなかった。流体コードと中性粒子輸送コードを組み合わせたモデリングを行い,過渡的なリサイクル中性粒子束によって引き起こされる動的圧力が,ターゲットプレートに向かってパルスプラズマを停滞させるのに十分な運動量損失をもたらすと結論した。 直線型プラズマ装置Magnum-PSIにおけるレーザートムソン散乱からのneやTeとOESデータとの関係を5つの隠れ層を持つニューラルネットワーク(NN:Neural network)を導入しモデル化した。NNを導入すると重回帰分析の結果と比較して,予測された温度・密度のデータのばらつきが非常に小さくなっており,NNによって予測の精度が大きく向上した。学習用データ量を増やすと,誤差はneとTeの両方で約10%に減少することが明らかになった。本研究では,OESデータがneとTeを機械学習を導入することにより衝突輻射モデルよりもはるかに高い精度で評価するのに十分な情報を含んでいることが分かった。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年度から実際に赴き実験を実施することができ新たなデータも取得することができた。過去のデータの解析,データの取得も含めて予定通り進んでいる。
|
Strategy for Future Research Activity |
NTB試料への定常プラズマ照射実験や,Magnum-PSIにおけるパルスプラズマのキャラクタリゼーションなどをデータ分析とともに,追加実験を実施していく予定である。
|
Report
(2 results)
Research Products
(7 results)