연구성과
연구성과
2021년KSTAR연구본부 기계학습(Machine Learning) 기반 초기 ELM 제어 및 장시간 유지
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 |
담당부서
연구관리팀
보안문자를 입력 후 확인 버튼을 누르세요.