MétaCan
Menu
Retour à la cohorte
Enregistrement W3095771048

Dynamics of runaway electrons in tokamak plasmas

2015· preprint· en· W3095771048 sur OpenAlexaboutno aff
Emelie Nilsson

Notice bibliographique

RevueINRIA a CCSD electronic archive server · 2015
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysicsTokamakElectronPlasmaPopulationAtomic physicsContext (archaeology)Electric fieldNuclear physicsQuantum mechanics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

One of the key features of a plasma is that the collisional friction resulting from Coulomb interactions decreases with the electron velocity. Therefore, in the presence of a parallel electric field larger than a critical value, electrons with sufficient velocity will be continuously accelerated. These so-called runaway electrons may reach energies on the order of several MeVs and cause serious damage to plasma facing components in ITER - the next large-scale tokamak. The runaway population may be multiplied through knock-on collisions, where an existing runaway electron can transfer a significant fraction of its energy to a secondary electron nearly at rest, while remaining in the runaway region. Understanding of the runaway electron formation processes is crucial in order to develop ways to mitigate them. In this context, modelling of runaway electron dynamics is performed using the 3-D linearized relativistic bounce-averaged electron Fokker-Planck solver LUKE, with a particular emphasis on knock-on collisions of fast electrons on thermal ones, which can lead to an avalanche of relativistic electrons. The theory of bounce-averaged knock-on collisions is derived, and the corresponding operator is implemented in the kinetic solver LUKE. The dependencies of the runaway electron growth rate on the electric field strength, density, temperature and magnetic configuration is investigated, in order to identify the relative importance between primary and secondary runaway generation, the latter resulting from the avalanche process. It is shown that avalanches of runaway electrons can be important even in non-disruptive regimes and this effect may become dominant in the build-up of the highly relativistic electron tail. Owing to their high magnetization, most of the knock-on electrons are born into the magnetic trapping domain in momentum space, which leads to a reduction of the runaway population off the magnetic axis. This accumulates the runaway electrons near the magnetic axis. The dynamics of the trapped electrons in the framework of runaway electron generation is investigated. Finally, the runaway electron formation in Ohmic discharges performed in the Tore Supra and COMPASS tokamaks is modelled with the LUKE code, using global plasma parameters such as parallel electric field and the toroidal MHD equilibrium calculated with the fast integrated modelling code, METIS. Details of the fast electron velocity distribution function are provided as well as quantitative comparison with non-thermal bremsstrahlung for the Tore Supra tokamak.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,261
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINRIA a CCSD electronic archive serverMême sujetMagnetic confinement fusion researchTravaux en français237 207