지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 950 - 954 (5page)
이용수
초록· 키워드
오류제보하기
본 논문은 KSTAR 토카막(Tokamak, 핵융합로)에서의 핵융합 플라즈마(Plasma) 가열 효율을 기계학습(Machine Learning, ML)으로 예측하고 최적화하는 것을 목표로 한다. KSTAR의 토카막 내에서 플라즈마는 최대 1억℃까지 가열되며, 주로 Ohmic Heating, Neutral Beam Injection, Radio Frequency(RF) Heating 세 가지 방법으로 가열된다. 그중 RF Heating은 전자기파를 이용하여 플라즈마 내 전자와 이온에 에너지를 전달하는 효율적인 가열 방식이지만, 비선형적인 환경 요인으로 인해 가열 효율이 변할 수 있다. 본 논문에서는 기계학습을 통해 RF Heating의 효율과 위치에 따른 에너지 전달 프로파일을 예측하고자 한다. 구체적으로, RF Heating 환경 변수에 따른 0-D 효율 예측 모델, 위치에 따른 1-D 파워 프로파일 모델, 역문제(Inverse problem) 해결을 위한 기계 학습 기법을 성능 평가하였다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 방법론
Ⅲ. 결과
Ⅳ. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0