GyroSwin: 자이로키네틱 플라즈마 난류 시뮬레이션을 위한 5차원 대리 모델

초록

핵융합은 신뢰할 수 있고 지속 가능한 에너지 생산을 위한 탐구에서 핵심적인 역할을 합니다. 실현 가능한 핵융합 발전의 주요 장애물은 플라즈마 난류를 이해하는 것인데, 이는 플라즈마 가둠을 크게 저해하며 차세대 원자로 설계에 필수적입니다. 플라즈마 난류는 비선형 자이로키네틱 방정식에 의해 지배되며, 이는 5차원 분포 함수를 시간에 따라 변화시킵니다. 높은 계산 비용으로 인해, 실제로는 에너지의 난류적 수송을 근사하기 위해 축소 모델이 종종 사용됩니다. 그러나 이러한 모델은 완전한 5차원 역학에서만 나타나는 비선형 효과를 생략합니다. 이를 해결하기 위해, 우리는 5차원 비선형 자이로키네틱 시뮬레이션을 모델링할 수 있는 최초의 확장 가능한 5차원 신경망 대리 모델인 GyroSwin을 소개합니다. 이를 통해 축소 모델이 간과한 물리적 현상을 포착하면서도 난류적 열 수송의 정확한 추정치를 제공합니다. GyroSwin은 (i) 계층적 비전 트랜스포머를 5차원으로 확장하고, (ii) 정전기 포텐셜 필드와 분포 함수 간의 잠재적 3D↔5D 상호작용을 위한 교차 주의 및 통합 모듈을 도입하며, (iii) 비선형 물리학에서 영감을 받은 채널별 모드 분리를 수행합니다. 우리는 GyroSwin이 열 플럭스 예측에서 널리 사용되는 축소 수치 기법을 능가하고, 난류적 에너지 캐스케이드를 포착하며, 완전히 해결된 비선형 자이로키네틱의 비용을 3배 이상 줄이면서도 물리적으로 검증 가능함을 보여줍니다. GyroSwin은 10억 개의 파라미터까지 테스트된 유망한 스케일링 법칙을 보여주며, 플라즈마 난류의 자이로키네틱 시뮬레이션을 위한 확장 가능한 신경망 대리 모델의 길을 열어줍니다.

English

Nuclear fusion plays a pivotal role in the quest for reliable and sustainable energy production. A major roadblock to viable fusion power is understanding plasma turbulence, which significantly impairs plasma confinement, and is vital for next-generation reactor design. Plasma turbulence is governed by the nonlinear gyrokinetic equation, which evolves a 5D distribution function over time. Due to its high computational cost, reduced-order models are often employed in practice to approximate turbulent transport of energy. However, they omit nonlinear effects unique to the full 5D dynamics. To tackle this, we introduce GyroSwin, the first scalable 5D neural surrogate that can model 5D nonlinear gyrokinetic simulations, thereby capturing the physical phenomena neglected by reduced models, while providing accurate estimates of turbulent heat transport.GyroSwin (i) extends hierarchical Vision Transformers to 5D, (ii) introduces cross-attention and integration modules for latent 3Dleftrightarrow5D interactions between electrostatic potential fields and the distribution function, and (iii) performs channelwise mode separation inspired by nonlinear physics. We demonstrate that GyroSwin outperforms widely used reduced numerics on heat flux prediction, captures the turbulent energy cascade, and reduces the cost of fully resolved nonlinear gyrokinetics by three orders of magnitude while remaining physically verifiable. GyroSwin shows promising scaling laws, tested up to one billion parameters, paving the way for scalable neural surrogates for gyrokinetic simulations of plasma turbulence.

GyroSwin: 자이로키네틱 플라즈마 난류 시뮬레이션을 위한 5차원 대리 모델

GyroSwin: 5D Surrogates for Gyrokinetic Plasma Turbulence Simulations

초록

Support