Dissertação

Disruption Prediction with Deep Neural Networks EVALUATED

Disrupções de plasma são um dos principais problemas que ocorrem em reatores de fusão nuclear, tais como tokamaks. A tarefa de prever estas disrupções durante o decorrer de uma experiência introduz uma oportunidade para a aplicação de metodologias de aprendizagem máquina e aprendizagem profunda. Ser capaz de mitigar estes eventos prejudiciais representaria uma melhoria significativa para a fusão nuclear como fonte de energia. Vários métodos foram implementados nas últimas décadas, usando diferentes sinais de diagnóstico de plasma para construir modelos preditivos para disrupções. Neste trabalho, o objetivo principal é usar redes neuronais profundas para prever a ocorrência de uma disrupção, durante uma descarga de plasma. Em contraste com outras abordagens, que tipicamente usam vários sinais com um único canal pertencentes a diagnósticos diferentes, aqui usamos um sinal multicanal de um único diagnóstico (o sistema bolométrico), que é capaz de determinar a forma e posição do plasma dentro do reator. Isso pode ser usado como o fator discriminante para a previsão de disrupções.
Fusão Nuclear, Diagnósticos de Plasma, Previsão de Disrupções, Aprendizagem Profunda, Redes Neuronais

Outubro 31, 2018, 14:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Diogo Manuel Ribeiro Ferreira

Departamento de Engenharia Informática (DEI)

Professor Auxiliar