Study of spontaneously reciprocal formation processes of radial transport and plasma rotation in plasmas with impurities

含杂质等离子体中径向输运和等离子体旋转自发交互形成过程的研究

基本信息

批准号：
22K03574
负责人：
本多充
金额：
$ 2.25万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

科研費にて購入したワークステーション上に数値計算プログラミング環境を整備し、本課題の中心となるTASK/TXコードの開発実行環境を構築した。TASK/TXの不純物拡張は、既存のトカマク実験で主たる不純物種となる炭素を扱う前提で進めている。昨年度までのTASK/TXは不純物として完全電離の炭素イオンしか扱うことが出来ず、炭素は不純物主であるがゆえに壁などから中性粒子としてプラズマ内に混入してくる過程を模擬することができなかった。そこで、スーパーステージングモデルを用いて炭素を取り扱えるように改良した。スーパーステージングモデルでは、複数の価数状態の炭素を一つの粒子種として取り扱う事ができる。核融合プラズマは高温であるため、炭素は短時間で完全電離してしまう。そのため、0価から5価までの炭素を一つの粒子種として扱うこととした。スーパーステージされた炭素は方程式上は中性粒子として扱い、ソース・シンクモデルによってスーパーステージド炭素を供給している。炭素はダイバータ標的版から叩き出される割合、ポンプで排気される割合など様々な物理的・化学的プロセスを0次元モデルとしてまとめ、ソース・シンク項としてTASK/TXに実装した。任意係数による調整がまだ必要ではあるものの、長時間シミュレーションによって、炭素の輸送損失と外部からの供給が釣り合う定常状態に到達可能である事を示した。本成果に基づき、第39回プラズマ・核融合学会年会にて口頭発表を行った。

我们在科研资助金购买的工作站上准备了数值计算编程环境，并创建了本项目核心TASK/TX代码的开发执行环境。 TASK/TX的杂质扩展是在现有托卡马克实验处理主要杂质种类碳的前提下进行的。直到去年，TASK/TX 只能将完全电离的碳离子作为杂质处理，并且由于碳是主要杂质，因此无法模拟碳作为中性粒子从墙壁等进入等离子体的过程。。因此，我们改进了超级模型，使其能够处理碳。在超分级模型中，多价态的碳可以被视为单个粒子物种。由于核聚变等离子体的高温，碳在短时间内完全电离。因此，我们决定将0至5价的碳视为一种粒子类型。超级碳在方程中被视为中性粒子，超级碳是使用源-汇模型提供的。各种物理和化学过程，例如碳从偏滤器目标板喷射的速率和泵出的速率，被总结为零维模型，并在 TASK/TX 中作为源项和汇项实施。尽管仍然需要使用任意系数进行调整，但长期模拟表明，有可能达到碳传输损失和外部供应平衡的稳定状态。基于这一结果，在等离子体与核聚变学会第 39 届年会上进行了口头报告。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Gyrokinetic Turbulent Transport Simulations on Steady Burning Condition in D-T-He Plasmas

D-T-He 等离子体稳定燃烧条件的回旋湍流输运模拟

DOI：
10.1585/pfr.17.1403083
发表时间：
2022
期刊：
影响因子：
0.8
作者：
NAKATA Motoki;HONDA Mitsuru
通讯作者：
HONDA Mitsuru

大規模シミュレーションへのAI/データ科学の融合的アプローチ

大规模模拟的人工智能/数据科学融合方法

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
本多充;成田絵美;前山伸也;渡邉智彦
通讯作者：
渡邉智彦

A simplified model to estimate nonlinear turbulent transport by linear dynamics in plasma turbulence

通过等离子体湍流中的线性动力学估计非线性湍流传输的简化模型

DOI：
10.1038/s41598-023-29168-w
发表时间：
2023
期刊：
影响因子：
4.6
作者：
Nakayama Tomonari;Nakata Motoki;Honda Mitsuru;Narita Emi;Nunami Masanori;Matsuoka Seikichi
通讯作者：
Matsuoka Seikichi

Multimodal convolutional neural networks for predicting evolution of gyrokinetic simulations

用于预测回旋模拟演化的多模态卷积神经网络