WEKO3
アイテム
Machine-learning assisted steady-state profile predictions using global optimization techniques
https://repo.qst.go.jp/records/77261
https://repo.qst.go.jp/records/7726132faedc4-86f8-4760-a20d-cdfa6b4eb912
| Item type | 会議発表用資料 / Presentation(1) | |||||
|---|---|---|---|---|---|---|
| 公開日 | 2019-10-30 | |||||
| タイトル | ||||||
| タイトル | Machine-learning assisted steady-state profile predictions using global optimization techniques | |||||
| 言語 | ||||||
| 言語 | eng | |||||
| 資源タイプ | ||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_c94f | |||||
| 資源タイプ | conference object | |||||
| アクセス権 | ||||||
| アクセス権 | metadata only access | |||||
| アクセス権URI | http://purl.org/coar/access_right/c_14cb | |||||
| 著者 |
Honda, Mitsuru
× Honda, Mitsuru× Narita, Emi× Honda, Mitsuru× Narita, Emi |
|||||
| 抄録 | ||||||
| 内容記述タイプ | Abstract | |||||
| 内容記述 | 乱流流束の分布勾配に対する敏感な依存性のために、硬い輸送モデルを用いて数値的安定に分布予測を行うことは困難である上に、計算にも時間を要する。並列計算機上で動作する大域的最適化手法を用いた新しい輸送コードの開発により数値的安定に解くことが可能となった。輸送モデルを模擬するニューラルネットワークモデルの構築とその最適化により、高速かつ正確に輸送モデルが出力する輸送流束を再現する事が可能になり、プラズマ温度分布予測の大幅な高速化に繋がった。 | |||||
| 会議概要（会議名, 開催地, 会期, 主催者等） | ||||||
| 内容記述タイプ | Other | |||||
| 内容記述 | Joint US-Japan Workshop on PostK-ECP Collaboration and JIFT Exascale Computing Collaboration | |||||
| 発表年月日 | ||||||
| 日付 | 2019-10-29 | |||||
| 日付タイプ | Issued | |||||
