项目名称: 基于GPU的EAST等离子体快速平衡重建研究

项目编号: No.11205191

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 物理学II

项目作者: 罗正平

作者单位: 中国科学院合肥物质科学研究院

项目金额: 20万元

中文摘要: 先进的等离子体控制要求精确控制等离子体位形及内部剖面分布,但这些反馈控制参数到目前为止只能通过外部诊断测量数据反演计算获得。准确快速的等离子体平衡重建是托卡马克等离子体控制的基础,是进行高水平等离子体物理实验的重要保障。目前EAST等离子体控制采用RTEFIT实时平衡重建算法快速反演等离子体反馈控制参数。RTEFIT是在离线EFIT算法的基础简化得到的,其主要特点是将等离子体平衡重建划分成两大功能模块,并分别运行在两个指定CPU核上。RTEFIT除去了离线EFIT中针对某一时刻诊断数据反复迭代直至收敛的耗时计算,代之以针对每个新的诊断数据,以最近时刻平衡重建结果作为迭代计算起始点,用一次迭代拟合等离子体电流模型参数,计算反馈控制参数。同时,采用较粗的网格(33*33)。本项目的完成,可提高EAST等离子体平衡重建的精度,为EAST稳态运行提供重要保障,为ITER等离子体平衡重建提供参考。

中文关键词: 托卡马克;等离子体;平衡重建;实时重建;图形处理器

英文摘要: Advanced plasma control require accurate feedback control many of discharge paramters, such as plasma position, shape and internal profile. But until now, the values of these parameters can be evaluated from the avaiable diagnostic data. So, accurate and fast plasma equilibrium reconstruction is the basis of the tokamak plasma control and high performance plasma physics experiments. At present, the fast plasma equilibrium reconstruction algorithm RTEFIT is used on EAST plasma control, which is a reduced model of the full plasma equilibrium reconstruction code EFIT. RTEFIT divided the reconstruction into two separated calculation module run in two separate CPU. In RTEFIT, the time consuming process of iterating to a well-converged solution for a fixed set of diagnostic data is eliminated. Instead, for each new reconstruction a new set of diagnostic data is acquired, the most recent equilibrium solution is used as the starting point and one iteration is performed. In order to satisfy the real time calculation, RTEFIT use a low precision grid (33*33). With the accomplishment of this project, a more accurate plasma equilibrium reconstruction system for will be established, which will provide a important guarantee for EAST steady state operation, and provide references for ITER fast plasma equilibrium reconstruction.

英文关键词: Tokamak;Plasma;Equilibrium reconstruction;Real time reconstruction;GPU

成为VIP会员查看完整内容
0

相关内容

细节决定成败:推荐系统实验反思与讨论
专知会员服务
18+阅读 · 2021年12月10日
【博士论文】吉布斯分布的局部、动态与快速采样算法
专知会员服务
28+阅读 · 2021年11月26日
专知会员服务
23+阅读 · 2021年9月25日
专知会员服务
21+阅读 · 2021年6月26日
【KDD2020】TAdaNet: 用于图增强元学习的任务自适应网络
专知会员服务
17+阅读 · 2020年9月21日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
【CVPR2020】MSG-GAN:用于稳定图像合成的多尺度梯度GAN
专知会员服务
27+阅读 · 2020年4月6日
对比,还原真实的GPU池化
CSDN
1+阅读 · 2022年4月13日
显卡报价,一夜雪崩
量子位
0+阅读 · 2022年3月26日
CUDA 编程上手指南(一):CUDA C 编程及 GPU 基本知识
极市平台
6+阅读 · 2021年12月17日
NeurIPS21 || 矢量量化的VQ-GNN
图与推荐
0+阅读 · 2021年12月3日
"轻量"且"优秀"的序列推荐模型
机器学习与推荐算法
0+阅读 · 2021年8月21日
Meta-Learning 元学习:学会快速学习
GAN生成式对抗网络
20+阅读 · 2018年12月8日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月14日
小贴士
相关VIP内容
细节决定成败:推荐系统实验反思与讨论
专知会员服务
18+阅读 · 2021年12月10日
【博士论文】吉布斯分布的局部、动态与快速采样算法
专知会员服务
28+阅读 · 2021年11月26日
专知会员服务
23+阅读 · 2021年9月25日
专知会员服务
21+阅读 · 2021年6月26日
【KDD2020】TAdaNet: 用于图增强元学习的任务自适应网络
专知会员服务
17+阅读 · 2020年9月21日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
【CVPR2020】MSG-GAN:用于稳定图像合成的多尺度梯度GAN
专知会员服务
27+阅读 · 2020年4月6日
相关资讯
对比,还原真实的GPU池化
CSDN
1+阅读 · 2022年4月13日
显卡报价,一夜雪崩
量子位
0+阅读 · 2022年3月26日
CUDA 编程上手指南(一):CUDA C 编程及 GPU 基本知识
极市平台
6+阅读 · 2021年12月17日
NeurIPS21 || 矢量量化的VQ-GNN
图与推荐
0+阅读 · 2021年12月3日
"轻量"且"优秀"的序列推荐模型
机器学习与推荐算法
0+阅读 · 2021年8月21日
Meta-Learning 元学习:学会快速学习
GAN生成式对抗网络
20+阅读 · 2018年12月8日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员