Data-driven modelling and control of plasma current profile and kinetic parameters in advanced tokamak scenarios
Notice bibliographique
Résumé
Cette thèse étudie la modélisation basée sur les données et le contrôle du profil de courant du plasma et des paramètres cinétiques dans des scénarios de tokamak avancés. L'approche de modélisation non linéaire basée sur les données est, pour la première fois, proposée dans cette thèse pour incorporer la dynamique non linéaire dans les plasmas tokamak avancés, par exemple, l'interaction onde-plasma et les effets bootstrap. Avec les modèles linéaires basés sur les données, un certain nombre d'approches de contrôle avancées sont explorées, le contrôle mathcal {H}_infty , le contrôle linéaire-quadratique-intégral, le contrôle du modèle interne et le contrôle prédictif du modèle. Des expériences et des simulations numériques ont été réalisées pour valider l'efficacité des approches de contrôle alternatives. Pour élargir la région de contrôle, des approches de contrôle adaptatif sont proposées, y compris un contrôle de recherche d'extrémum sans modèle et un contrôle adaptatif de référence de modèle. Ces nouveaux algorithmes de contrôle ont été implémentés et évalués via des simulations METIS non linéaires en boucle fermée sur les tokamaks EAST et ITER.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».