等离子体所在破裂物理研究方面取得新进展

　　近日，等离子体所EAST团队的等离子体破裂物理课题组在破裂物理、逃逸电子和破裂预测等方面取得了一系列新进展，研究成果在Nuclear Fusion和Plasma Phys. Control. Fusion等核聚变领域权威期刊上发表。相关研究工作主要由曾龙，陈大龙，胡文慧，唐天，郭笔豪和朱翔等人完成。

　　托卡马克等离子体在破裂时，能量在极短的时间内沉积到装置第一壁材料，会直接导致材料损伤，影响装置运行安全。在ITER和CFETR等装置上，由于高储能和大电流等因素，破裂造成的损伤更加严重，破裂期间形成于等离子体表面的晕电流会直接威胁内部部件安全。利用偏滤器部件的电流传感器，课题组详细研究了类ITER钨铜偏滤器和石墨偏滤器晕电流结构特征，指出了垂直位移深度是决定靶板晕电流份额的最主要原因，得到了类ITER偏滤器晕电流实验定标关系（图1），为未来偏滤器设计提供了可靠的实验支撑（D. Chen, R. Granetz, L. Zeng, et al 2020 Plasma Phys. Control. Fusion 62 095019）。

　　在逃逸电子方面，课题组系统研究了EAST装置破裂期间逃逸电子的产生和损失过程（图2），指出了低杂波共振加热产生的超热电子对逃逸种子的贡献，分析了MHD不稳定性等对逃逸电子损失的影响，成果以“Runaway electron generation and loss in EAST disruptions”为题发表在Nuclear Fusion上（T. Tang, L. Zeng, D. Chen et al 2021 Nucl. Fusion 61 076003）；在放电平台期间发现了两种逃逸电子产生机制的分叉现象，直接证实了理论预测的逃逸电子产生存在两个阈值电场，即Dreicer电场和雪崩效应阈值电场，深化了对雪崩效应的认识（X. Zhu, L. Zeng, Y. Liang et al 2020 Nucl. Fusion 60 084002）。

　　由于破裂原因复杂且发展速度太快，利用传统算法或者单一神经网络算法，很难实现高准确率的破裂预测。课题组基于大数据处理，提出一种深度机器学习的算法，预测模型能实现超过85%的破裂，平均提前预警时间大于50毫秒。模型能兼顾常规的几种破裂放电识别（B. Guo, B. Shen, D. Chen et al 2021 Plasma Phys. Control. Fusion 63 025008）。同时，课题组在 EAST 控制系统 PCS 上建立了基于随机森林模型的高密度破裂预测模块 (DPRF)，并成功开展了演示实验（图3）：DPRF以PCS 提供的实时信号作为输入计算破裂概率，并将计算的破裂概率传递给警报系统，当破裂概率达到设定的阈值且持续超过 10 ms 的时候，警报系统就给 MGI 系统发出信号，再由 MGI 系统往等离子体中充入杂质气体，有效缓解破裂对装置的损伤，成果以“Real-time prediction of high-density EAST disruptions using random forest”为题发表在Nuclear Fusion上（W.H. Hu, C. Rea, Q. Yuan et al 2021 Nucl. Fusion 61 066034）。

　　以上研究成果得益于等离子体所EAST大科学装置团队成员间的共同协作，相关工作得到了国家重点研发专项、中国科学院青年创新促进会、国家自然科学基金等项目的资助。

　　论文链接：

　　1. https://doi.org/10.1088/1741-4326/abf74d 

　　2. https://doi.org/10.1088/1741-4326/abf62f 

　　3. https://doi.org/10.1088/1741-4326/ab96f3 

　　4. https://doi.org/10.1088/1361-6587/aba366 

　　5. https://doi.org/10.1088/1361-6587/abcbab 

　　图1：晕电流与环向不对称因子

图2：EAST破裂期间逃逸电子行为

　　图3：EAST装置包含实时高密度破裂预测模块和MGI 的破裂防护闭环控制系统