| 研究課題/領域番号 |
21KK0048
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
梶田 信 東京大学, 大学院新領域創成科学研究科, 教授 (00455297)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2021-10-07 – 2026-03-31
|
| キーワード | プラズマ / リサイクリング / 機械学習 / 分光計測 |
|---|
| 研究実績の概要 |
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。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
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。
|
| 今後の研究の推進方策 |
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。
|
| 次年度使用額が生じた理由 |
コロナの影響で渡航計画の立案が遅れたことによるものである。
|
