(2022) Detekce MHD módů pomocí strojového učení

  • Vedoucí práce / Supervisor: Mgr. Jakub Seidl, Ph.D.
  • Pracoviště / Workplace: Ústav fyziky plazmatu, AV ČR, v.v.i.
  • Kontakt / Contact: seidl@ipp.cas.cz

V plazmatu tokamaku se vyskytuje řada oscilací, od běžných magnetických ostrovů až po exotické Alfvénovy vlny hnané ubíhajícími elektrony. Tyto oscilace mohou mít velmi rozličný původ i dopad na chování plazmatu. Mohou ovlivňovat transport plazmatu a rychlých částic, způsobovat disrupce, zabraňovat dosažení pokročilých módů udržení plazmatu, či naopak být nutným předpokladem jejich existence. Detekce a predikce jejich výskytu a vlastností je tedy důležitým prvkem při plánování a interpretaci experimentu na tokamaku.

V rámci této práce se student seznámí se základy moderních metod strojového učení a jejich použití v jazyce Python. S jejich pomocí poté vytvoří jednoduchý model pro automatickou detekci vybraného typu oscilací v plazmatu tokamaku COMPASS a vyhodnotí jeho úspěšnost. Vstupními daty budou měření magnetických diagnostik uložená v databázi tokamaku COMPASS.

 

V rámci práce student či studentka:

  • Získá zkušenost se zpracováním diagnostických dat, a to především časových řad, v jazyce Python.
  • Naučí se základy spektrální analýzy.
  • Získá zkušenost s aplikací metod strojového učení na řešení reálného problému.

 

Osnova:

  • Rešerše metod strojového učení s učitelem.
  • Použití již existujících knihoven pro spektrální analýzu časových řad k vytvoření přehledu MHD oscilací detekovaných v plazmatu tokamaku COMPASS.
  • Výběr vhodného druhu MHD módu a sestavení trénovacího datasetu.
  • Vytvoření jednoduchého modelu pro detekci vybraného módu či predikci jeho parametrů z globálních parametrů plazmatu.
  • Aplikace modelu na testovací data a vyhodnocení úspěšnosti.

 

Literatura:

Sebastian Raschka, Vahid Mirjalili. Python Machine Learning. Birmingham, UK: Packt Publishing, 2019. ISBN: 978-1789955750.

Tarek Amr. Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits: A practical guide to implementing supervised and unsupervised machine learning algorithms in Python. Birmingham, UK: Packt Publishing, 2020. ISBN: 978-1838826048.

John Wesson, D. J. Campbell. Tokamaks. Oxford University Press, 2011. ISBN: 978-0199592234.

Valentin Igochine. Active Control of Magneto-hydrodynamic Instabilities in Hot Plasmas. Springer Berlin, Heidelberg, 2015. ISBN: 978-3-662-44221-0.