대표 연구성과

2021년KSTAR연구본부 기계학습(Machine Learning) 기반 초기 ELM 제어 및 장시간 유지

기계학습(Machine Learning) 기반 초기 ELM 제어 및 장시간 유지에 대한 과제명, 주기여자, 책임자, 연구개요, 연구내용, 주요성과, 기대효과, 관련이미지입니다.
과제명	3차원 자기장에 의한 핵융합 플라즈마 불안정성의 실기간 제어연구
주기여자	기계학습 불안정성 제어연구 TF
책임자	고원하
연구개요	기계학습(Machine Learning)에 기반을 둔 실시간 플라즈마 경계면 불안정성 현상(ELM, Edge Localized Mode) 제어 기술의 개발 및 실험을 통한 검증 연구
연구내용	고성능 플라즈마 상태로의 진입 여부를 실시간으로 파악하기 위한 기계학습 방법 연구 및 고성능 플라즈마 상태에서 전구간 ELM 제어를 실현하기 위한 3차원 자기장 (RMP, Resonant Magnetic Perturbation, 3D magnetic field)의 운전 방식 연구
주요성과	플라즈마 제어계에서, 기계학습 알고리즘을 이용한 실시간 고성능 플라즈마 상태 판별 체계 구축 및 ELM 제어 체계와의 연동 고성능 플라즈마에서 전구간 ELM 제어 구현 및 기존 대비 ELM 제어상태에서 플라즈마 감금 성능 향상(∼60%) 달성
기대효과	ITER나 K-DEMO 등의 차세대 핵융합로에서 요구되는 고성능·장시간 플라즈마에서의 ELM 제어를 위한 최신 기술을 제공함으로써, 세계 최고 수준의 ELM 제어 및 KSTAR만의 독자 기술로 활용 기대
관련이미지	기계학습을 활용한 37초 ELM 억제

연구성과