データ科学により核融合プラズマの閉じ込め性能予測を高精度化：研究開発の最前線

京都大学は、プラズマ中で生じる乱流によるエネルギーや粒子の輸送を予測する、乱流輸送モデルの高精度化に成功した。理論やシミュレーションによる予測と実験によるデータを組み合わせ、乱流輸送モデルの予測精度を高めた。

[MONOist]

　京都大学は2024年12月12日、プラズマ中で生じる乱流によるエネルギーや粒子の輸送を予測する、乱流輸送モデルの高精度化に成功したと発表した。理論やシミュレーションによる予測と実験データを組み合わせ、乱流輸送モデルの予測精度を高めた。

　今回の研究で用いたのは、マルチフィデリティモデリングと呼ばれるデータ科学の手法だ。高精度なデータ（高フィデリティデータ）の不足を、精度は低くても数が多いデータ（低フィデリティデータ）で補い、全体的な予測精度を向上させる。1つの入力データに対し、複数の異なるフィデリティのデータを出力する非線形自己回帰ガウス過程回帰（Nonlinear Auto-Regressive Gaussian Process regression：NARGP）でデータ間の関係を取り入れ、高フィデリティデータを予測する。

マルチフィデリティモデリングでは、入力データxに対して低フィデリティ出力データy0と高フィデリティ出力データy1が存在する。NARGPでは異なるフィデリティ間の相関を取り入れて予測モデルを作成する［クリックで拡大］ 出所：京都大学

　研究グループは、低解像度および高解像度シミュレーションデータの統合、核融合プラズマ実験データに基づく乱流拡散係数の予測、簡易理論モデルと乱流シミュレーションデータの統合などの事例に適用。マルチフィデリティデータ融合手法により、予測精度が向上することを確認した。

理論やシミュレーションによる乱流輸送の推値を低フィデリティデータ、実験で観測したプラズマ閉じ込め性能データを高フィデリティデータとしてデータ間の相関を取り入れることで、高フィデリティデータの不足を補い、より正確なプラズマ閉じ込め性能の予測モデルを作成する［クリックで拡大］ 出所：京都大学

　理論とシミュレーションの予測力と実験データによる定量的な情報を組み合わせた新手法により、核融合炉の性能予測や設計の最適化に寄与する。また、汎用手法として、他分野への応用も期待される。

⇒その他の「研究開発の最前線」の記事はこちら