多目的最適化と統計的機械学習のハイブリッドによる核融合炉プラズマ予測の加速

• Project/Area Number: 25K00981
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 14020:Nuclear fusion-related
• Research Institution: Kyoto University
• Principal Investigator: 本多 充 京都大学, 工学研究科, 教授 (90455296)
• Co-Investigator(Kenkyū-buntansha): 相羽 信行 国立研究開発法人量子科学技術研究開発機構, 那珂フュージョン科学技術研究所 先進プラズマ研究部, グループリーダー (20414584) ; 成田 絵美 京都大学, 工学研究科, 講師 (50757804) ; 前山 伸也 核融合科学研究所, 研究部, 准教授 (70634252) ; 松山 顕之 京都大学, エネルギー科学研究科, 准教授 (90581075)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥24,830,000 (Direct Cost: ¥19,100,000、Indirect Cost: ¥5,730,000); Fiscal Year 2028: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000); Fiscal Year 2027: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000); Fiscal Year 2026: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000); Fiscal Year 2025: ¥15,340,000 (Direct Cost: ¥11,800,000、Indirect Cost: ¥3,540,000)
• Keywords: 統計的機械学習 / 多目的最適化 / 核融合炉プラズマ / 運転シナリオ開発

Outline of Research at the Start

経験則的試行錯誤によって少数の成功例のみを得ていた状況から脱し、誰もが予見可能な計算時間で核融合炉プラズマの最適解集合を得られる状況を実現するための研究開発を行う。次の3ステップで研究を進める。
① 統計的機械学習であるガウス過程回帰を用いた代理モデルの構築
② 多目的最適化アルゴリズムの開発
③ 多様な最適パラメータの組み合わせを持つ核融合炉プラズマ運転シナリオの開発