연구성과
연구성과
2020년KSTAR연구센터 기계학습(MACHINE LEARNING) 기반 실시간 ELM 제어 기술 개발 및 실험 검증
| 연구성과 | 기계학습(MACHINE LEARNING) 기반 실시간 ELM 제어 기술 개발 및 실험 검증 | |
|---|---|---|
| 연구원 | 신기욱 박사후연구원 (KSTAR 연구본부) | |
| 연구개요 | 기계학습 (Machine Learning)에 기반한 실시간 ELM 제어 기술의 도입으로 기존 RMP를 이용한 핵융합로 경계면 불안정(ELM) 억제 기술의 한계 (단시간, 저성능)를 극복하고 세계 최고 수준의 장시간 및 고성능 ELM제어 기술 개발 및 실험 검증 | |
| 연구내용 | 기계학습 알고리즘을 이용한 실시간 플라즈마 상태 판단 및 RMP 전류 자동 인가 시스템, 실시간 제어를 통한 RMP 전류세기 최적화 기술 개발 및 KSTAR를 통한 ELM 제어 실험 검증 “3차원 자기장에 의한 핵융합 플라즈마 불안정성의 실시간 제어연구” 과제로 수행된 KSTAR에서 기계학습을 통한 실시간 ELM 제어의 최초 실험 결과 ※ 한국수력원자력(주) 수탁과제(2019-RFP-신산업-1의 2019년도 K-CLOUD 과제)로 참여한 연구성과 |
|
| 주요성과 | 과학적 가치 KSTAR 운용을 통해 RMP를 이용한 ELM 억제는 세계적 성과를 창출 했으나[Park Nat. Phys. (2018)], RMP를 적용할 때 통상적으로 관찰되는 플라즈마 성능 하락 및 PFC초과 가열문제로 인해 ELM 제어된 장시간 · 고성능 플라즈마 달성 가능성은 여전히 불확실한 상태 새로운 실시간 ELM 제어 기법(기계학습)을 도입하고 KSTAR 플라즈마 실험을 통한 검증에 성공함으로써 차세대 고성능 플라즈마 장시간 ELM 제어 구현 실마리 제공 H모드 직후의 First ELM은 giant ELM이 될 확률이 큰 것으로 ITER를 포함한 미래 핵융합로에서 반드시 제거되어야 하는 불안정성인데, 본 연구에서는 L-H 천이 직후 기계학습 알고리즘에 따라 RMP를 실시간으로 인가하여 First ELM을 포함한 ELM의 완전 억제를 달성하는데 성공 RMP 세기 조절을 통해 장시간 ELM 억제시 플라즈마 성능 향상(~60%)을 달성하고 관련 물리학적 이해 도출(최적화된 RMP 세기의 존재 확인 및 효율적 제어를 위한 ELM 억제 원도우 폭의 중요성 이해) 기술적 가치 기계학습 기반 실시간 ELM 제어 알고리즘을 KSTAR PCS에 구축 성공 RMP 인가 시점 조절을 통한 실시간 ELM 제어 기술을 개발하고 KSTAR PCS 구축 성공 |
|
| 기대효과 | ITER나 K-DEMO 등 차세대 핵융합로에 요구되는 고성능 · 장시간 플라즈마에서의 ELM 억제를 위한 최신 기술을 제공함으로 세계 최고 수준의 ELM억제 및 KSTAR만의 독자 기술로 활용 기대 | |
| 관련이미지 |  기계학습에 의한 고성능 유지하며 ELM 제어 결과(파란색)와 일반적인 고성능 플라즈마(하늘색) 비교 |
 기계학습에 의한 first ELM 완전 제어 결과(파란색)와 일반적인 고성능 플라즈마(하늘색) 비교 |
담당부서
연구관리팀
보안문자를 입력 후 확인 버튼을 누르세요.