Volledig kinetische simulaties van magnetische herverbinding en instabiliteit van de scheurmodus in botsingsloze plasma's met lage bèta

Magnetische kernfusie (vooral plasmafysica) is een van de meest toonaangevende gebieden van onderzoek naar kernenergie. Experiment en simulatie zijn de gangbare methoden in dat onderzoek. Enerzijds nadert de ITER, een nieuw groot wetenschappelijk experiment, de laatste bouwfase en zou naar verwachting in 2025 operationeel worden. Ondertussen worden ook kleinere experimenten uitgevoerd om specifieke problemen en innovatieve benaderingen te onderzoeken, zoals bijvoorbeeld de VEST-reactor in Korea, dat zal een van onze aandachtspunten zijn. Aan de andere kant spelen simulatiemethoden een cruciale rol in het plasmafysisch onderzoek, vooral gezien de hoge kosten van het uitvoeren van kernfusie-experimenten. Simulatiemethoden worden natuurlijk ontwikkeld in synergie met experimenten, die input leveren voor simulaties, die op hun beurt helpen bij het ontwerp en de interpretatie ervan. 6D-simulaties geven een statistische beschrijving van de populatie van deeltjes in deze 6D-ruimte. De 6D-benadering is gebaseerd op de kansverdelingsfunctie die de kans meet om een deeltje met een bepaalde snelheid op een bepaalde positie te vinden. Dit model wordt ook wel kinetisch genoemd en is gebaseerd op de Boltzmann-vergelijking. Deze beschrijving wordt als het eerste principe beschouwd omdat het alle bekende fysica omvat die relevant is voor de evolutie van het apparaat. Nu wordt aangenomen dat de vooruitgang in supercomputing een niveau heeft bereikt waarop de volledige 6D-beschrijving van fusie-apparaten mogelijk wordt. Een van de processen die de meeste aandacht krijgen, is de verstoring van de tokamak. Bij een verstoring verliest het plasma plotseling zijn opsluiting en geeft het zijn energie af aan de omliggende structuren. In het verleden waren verstoringen van tokamaks een grote ergernis, resulterend in experimentele vertragingen en soms kostbare reparaties. Daarom moeten effectieve maatregelen worden genomen om dit te voorkomen of de invloed ervan te verminderen. Er zijn actieve controles die kunnen worden ingezet wanneer een storing op het punt staat te beginnen, maar het reactiesysteem vereist een voorspellend algoritme dat de mogelijkheid van een storing nauwkeurig kan voorspellen met voldoende voorafgaande kennisgeving dat tegenmaatregelen kunnen worden genomen. Voor de veilige werking van ITER vereist deze benadering dat we verstoringen beter begrijpen en dat we betere algoritmen hebben om een voorspelling te doen over het begin van verstoringen. Dit is het doel van ons project: we willen methoden ontwikkelen om tokamak-verstoringen te bestuderen op basis van eerste principe-simulaties en we willen machine learning (ML) -benaderingen ontwikkelen die het gebruik van het inzicht uit onze simulaties effectiever zullen zijn in het voorspellen van het begin van een verstoring.