 |  |
Sesiones (descargas: plasmas / total)
S6: 24 / 30
16.01.2025 – GVogel VSepulveda VSvoboda
✅ interferometry / spectroscopy ❌ pos. control
S5: 22 / 28
04.11.2024 – GVogel TReinoso VSvoboda
✅ interferometry / spectroscopy / pos. control
S4: 23 / 30
02.10.2024 – GVogel TReinoso FCastillo PPhillips VSvoboda
✅ interferometry / spectroscopy / pos. control
S3: 14 / 17
24.05.2024 – GVogel CVásquez PPhillips VSvoboda
✅ interferometry / spectroscopy ❌ pos. control
S2: 10 / 13
23.12.2023 – GVogel CVásquez VSvoboda
✅ interferometry ❌ spectroscopy / pos. control
S1: 15 / 31
24.10.2023 – GVogel CVásquez VSvoboda
❌ interferometry / spectroscopy / pos. control
Tareas de herramientas (🌑: 0% ; 🌘: 25% ; 🌗: 50% ; 🌖: 75% ; 🌕: 100%):
Tareas completadas
🌕 Visualizador de datos, GOLEM data visualizer GDV v1 (Bt, IP, U_loop, ne, Δr, Δv, Te, FC).
Escala sincrónica, barra de comparación, comparación entre descargas.
⏳ Tareas pendientes:
🌘 Promedio de datos en segmentos temporales (data smoothing) y corrección de bugs
🌑 Integración de otros diagnósticos al visualizador de datos (sondas, magnéticos) y personalización del visualizador de datos (posibilidad de elegir número y matriz de paneles, orden de diagnósticos, diagnósticos).
Análisis preliminar
Tareas completadas
🌕 [VSepúlveda, MYáñez] Revisar y verificar cálculo de tiempo de confinamiento 𝜏E(t), e integración a visualizador de datos.
⏳ Tareas pendientes:
🌖 [VSepúlveda, MYáñez] Revisar, refinar y verificar evolución temporal de líneas de emisión.
🌖 [VSepúlveda, MYáñez] Visualización evolutiva de espectros de emisión e integración a visualizador de datos en escala sincrónica.
Optimización de Espectrómetros y Análisis de Confinamiento en el Tokamak GOLEM
🌑[CAngulo] Verificación de escala de tiempos de confinamiento a través de estimaciones de energía almacenada en el plasma (diagnósticos magnéticos) y pérdidas radiativas (espectroscopía).
🌑[CAngulo] Calibración absoluta de intensidad de diagnósticos de espectroscopía y configuración óptima para cada espectrómetro.
Análisis
1️⃣ Análisis de reproducibilidad de referencia (baseline) 🔗
Objetivo: Cuantificar la variabilidad intrínseca y la incertidumbre experimental.
Método:
🌕 Agrupar descargas con parámetros L0 idénticos (UBt, UEt, pWG, WG, Pos. Ctrl.).
🌗 (50% 🔗) Analizar la variabilidad en parámetros L1 (Bt_max, Ip_max, tP) y observables de nivel superior como ne, Te, espectros, τEResultado: Definir un “piso de ruido” para distinguir efectos reales (en siguientes pasos) de la variabilidad estocástica.
2️⃣ Estudios de variación de un solo parámetro 🔗
Objetivo: Aislar el efecto de parámetros L0 individuales en observables L1 y superiores.
Método:
🌖 Para cada parámetro L0 (ej. UBt), agrupar descargas donde solo ese parámetro varía (los demás fijos).
Ejemplo 1: Fijar UEt, pWG, WG, Pos. Ctrl.; variar UBt → estudiar Bt_max, Ip_max, τE.
Ejemplo 2: Fijar UBt, pWG, WG, Pos. Ctrl.; variar UEt → estudiar Ip(t), duración del plasma (tP).
🌑 Usar análisis de correlación (Pearson, Spearman, …) y ajuste de tendencias.
🌑 Para variables categóricas (ej: WG, pos. control), aplicar estadística comparativa (t-test, ANOVA).Resultados: Identificar dependencias claras (ej: “Bt_max ∝ UBt”, “Ip_max ∝ UEt”, “tP ∝ pWG”, “He aumenta τE vs. H₂”, etc.). Identificar casos de saturación, linealidad o no-linealidad.
3️⃣ Interacciones entre parámetros 🔗
Objetivo: Detectar sinergias o efectos combinados (ej: ¿El efecto de UBt en τE depende del gas WG?).
Método:
🌑 Barridos de dos parámetros: Variar pares de L0 (ej. UBt × UEt) manteniendo otros fijos.
🌑 Usar gráficos de interacción o superficies de respuesta para visualizar efectos combinados.Resultado: Revelar no linealidades (ej: “Alto UBt + WG:He maximiza τE, pero solo con Pos. Ctrl. activado”).
4️⃣ Observables de nivel superior (L2–L4) 🔗
Objetivo: Relacionar parámetros L1 con métricas de desempeño (τE, espectros, fast camera).
Método:
🌑 Modelos de regresión: Predecir L4 (ej. τE) a partir de L1 (Ip_max, Bt_max) o L2 (ne, Te).
🌑 Análisis espectral: Correlacionar líneas de emisión (L3) con Te o ne (L2).
🌑 Procesamiento de imágenes: Relacionar datos de cámaras rápidas (L4) con control de posición (Pos. Ctrl.).Resultado: Identificar parámetros L1 óptimos para resultados L4 (ej. “τE máximo ocurre en Ip_max = X kA”).
5️⃣ Reducción de dimensionalidad y clustering
Objetivo: Simplificar espacios complejos de parámetros.
Método:
🌑 PCA (Análisis de Componentes Principales): Identificar combinaciones dominantes de parámetros.
🌑 Clustering (k-means, jerárquico): Agrupar descargas similares para hallar “regímenes operativos”.Resultado: Reducir ruido y destacar tendencias dominantes.
6️⃣ Validación, modelado predictivo y diseño de nuevos experimentos
Objetivo: Validar modelos con datos existentes y predecir parámetros óptimos para nuevos experimentos.
Método: Modelar → Predecir → Experimentar → Refinar.
🌑 Modelo predictivo: Entrenar modelos (regresión, random forests) para predecir L4 (τE, inestabilidades) desde L0/L1.
🌑 Optimización: Usar algoritmos (bayesian optimization) para encontrar combinaciones de UBt, UEt, pWG, WG que maximicen objetivos (ej: τE).
🌑 Validación experimental: Realizar descargas con parámetros predichos y comparar con modelos.Resultados: Parámetros óptimos identificados para metas específicas (ej: “UBt=1.2 kV + He gas → τE máximo”).
Colaboración:
🌑 Diseño de talleres / tutoriales con GOLEM para entrenar nuevos estudiantes.
References
Introduction to GOLEM
1️⃣ Remote operation of the GOLEM tokamak for Fusion Education, by Grover et al 🔗
1️⃣ Introduction to the tokamak operation at GOLEM 🔗
2️⃣ Low Cost High Speed Camera for Plasma Physics, by Odstrcil et al 🔗
Advanced studies
• Artificial Neural Network-Based Tomography Reconstruction of Plasma Radiation Distribution at GOLEM Tokamak, by Abbasi et al 🔗
• Plasma properties in the vicinity of the last closed flux surface in hydrogen and helium fusion plasmas discharges, by Dimitrova et al 🔗
• Plasma diagnostics using fast cameras at the GOLEM tokamak, by Abbasi et al 🔗
• Spontaneous Formation of a Transport Barrier in Helium Plasma in a Tokamak with Circular Configuration, by Macha et al 🔗
• Application of ML Tools to the Analysis of Tokamak Massive Databases, MSc Thesis by M. Odstrcil 🔗
• Remote Plasma Physics Research and Teaching by Example of Turbulence Study at the University Scale Tokamak GOLEM, by Sarancha et al 🔗
• Hydrogen and helium discharges in the GOLEM tokamak, by Sarancha et al 🔗