乱流輸送モデルDeKANISの機能を拡張し、多粒子種・多輸送経路に対応できるようにしたほか、乱流飽和モデルの改良及び水素同位体効果の導入を実施した。DeKANISは機械学習モデルを利用し、第一原理計算の結果で訓練することで、複数の輸送過程を区別しながら乱流流束を高速に予測する。実施した拡張により、ITERにおける支配的な輸送過程の予測が実現した。また、実験で観測された水素同位体効果に関連する分布形成の特徴の再現に成功した。DeKANISの改良に加えて、第一原理計算から得られる速度分布関数の時間発展を画像として可視化し、画像を解析することで乱流輸送研究の高効率化に資する機械学習モデルを開発した。
|