Bayesian optimization of stellarator alpha-particle confinement using data-informed parameter spaces and dimensionality reduction

技術要約：ステラレータのアルファ粒子閉じ込めにおけるベイズ最適化

問題提起
現代的なステラレータ設計は、通常、フーリエ振幅によってパラメータ化されるプラズマ境界形状の最適化に依存している。この伝統的なパラメータ空間は、グローバル最適化アルゴリズム、特にベイズ最適化（BO）にとって大きな課題を提示している。第一に、フーリエモードのスケールは劇的に異なり（高次モードの振幅は低次モードよりもはるかに小さい）、効率的な最適化のために入力次元が同様のスケールを持つという仮定を損なわせる。第二に、多くのグローバルアルゴリズムは境界制約（ボックス制約）を必要とするが、フーリエ振幅に対してこれらの境界を設定することは容易ではない。制約を広げすぎると、磁気流体力学（MHD）平衡計算が失敗する自己交差した非物理的な境界が生じやすく、一方で制約を厳しくしすぎると、幾何学的表現力が制限され、最適な形状が除外される可能性がある。さらに、高次元のフーリエ空間では、高忠実度の物理計算（例えば、エネルギー粒子閉じ込めのための直接的なガイディングセンター・トレーシング）を最適化ループ内に含めることは計算コスト的に困難である。

手法
著者らは、スケーリング、境界制約、および次元の問題に対処するために設計された、2つの新しい「データ駆動型」パラメータ空間を提案している。両手法とも、既存のステラレータ境界のデータセット（W7-XやLHDなどの実験的構成、およびQUASRやConStellarationなどのデータベースから抽出）を利用して、境界形状に関する事前確率分布を定義する。

1. 分位数変換フーリエ空間（Quantile-Transformed Fourier Space）:

   • 各フーリエ振幅に対して分位数変換が適用される。
   • これは、各パラメータの経験累積分布関数（CDF）を、$[0, 1]$上の一様分布にマッピングするものである。
   • 変換された変数は、新たな自由度となる。このアプローチは、パラメータを自然に$[0, 1]$内に境界付け、次元間で同等のスケールを確保し、外れ値に対して頑健である。この変換は区分線形であり、必要に応じて勾配ベースの手法との互換性を維持する。

2. PCAベースのパラメータ空間（PCA-Based Parameter Space）:

   • 境界データ（グリッド上の$(R, Z)$座標として表現）に対して、主成分分析（PCA）がまず適用される。
   • その後、主成分の振幅に対して分位数変換が適用される。
   • この手法は次元削減を提供し、少数のパラメータで複雑な境界形状の分散を捉えつつ、自然な境界を維持する。

両手法は、特定の構成クラス（例：準対称設計）が訓練データ内で過剰に代表されるのを防ぐための重み付きサンプリングを可能にする。また、著者らは、主要半径、マイナー半径、およびアスペクト比をパラメータ空間の定義とは独立して固定する手順についても詳述している。

最適化の適用
提案された新しいパラメータ空間は、アルファ粒子損失を最小化するためのベイズ最適化を通じて実証されている。

• 目的関数: アルファ粒子損失が閾値（$M=2\%$）に達するまでの時間を基準とした、新しい目的関数が定義されている。損失が早期に閾値を超えた場合、その閾値に達するまでの時間に基づいてペナルティが課される。そうでなければ、固定時間（$t_{max}=0.1$ s）における総損失に基づく。これはマルチフィデリティ手法として機能し、計算リソースを節約するために、性能の低い構成に対してはトレーシングを早期終了させる。
• アルゴリズム: AxおよびTURPOライブラリを使用し、非同期並列ベイズ最適化が採用されている。このワークフローは、複数のGPU（CATAPULTコード経由）を利用して、ガイディングセンターの軌道を並行してトレースし、結果が戻るたびにマネージャプロセスがガウス過程サロゲートモデルを更新する。
• 物理モデル: MHD平衡はvmce++を用いて計算される。3.5 MeVのアルファ粒子のガイディングセンター軌道は、ブーザー座標において衝突なしでトレースされる。デバイススケールは、最大磁場12 Tに固定されており、高磁場ステラレータ炉に典型的な圧力プロファイルが用いられている。

主な結果
著者らは、これらの手法を用いて生成された5つの最適化ステラレータ構成（構成1–5）を提示している。

• 閉じ込め性能: 5つの構成すべてが優れたアルファ粒子閉じ込めを示す。構成1–3（無制約）は、エネルギー損失が$0.06\%$未満である。構成4–5（メルシェ・安定性の制約を含む）は、損失が$\le 1\%$である。
• ベースラインとの比較: 同様のスケーリングと初期化条件下での既存の構成（準アイソダイナミック性を最適化したConStellaration設計やW7-Xのバリアントを含む）と比較して、新しい構成は大幅に低い損失（しばしば1桁程度良好）を示している。
• 磁場トポロジー: 最適化された磁場は、理想的な準対称（QS）、オムニジェナス、または準アイソダイナミック（QI）のパターンから著しく離れている。例えば、ほとんどの構成における$B_{max}$付近の磁場コンターは、ポロイダル、トロイダル、またはヘリカル方向に閉じておらず、オムニジェニティを破っている。構成3は、区分的なオムニジェナス場に似たハイブリッド構造を示している。
• 新古典輸送: 厳密な対称性が欠如しているにもかかわらず、最適化された構成は、W7-Xと同等またはそれ以上の低い有効リップル（$\epsilon_{eff} < 1\%$）をコアにおいて示しており、これは高速イオン閉じ込めの最適化が本質的に新古典熱輸送を改善することを示唆している。
• パラメータ空間の有効性: データ駆動型空間は、ベースラインのフーリエ空間と比較して、「利用可能な割合（$f_{us}$）」（MHD平衡が収束するパラメータ空間の割合）を大幅に向上させている。PCA法は、豊富に成形された境界を、減少した次元数（例：20–25個の主成分）で表現できることをさらに実証している。

意義と主張
本論文は、提案されたデータ駆動型パラメータ空間が、グローバル最適化のための表現力と設計空間の使いやすさ（Usability）の間のトレードオフを効果的に解決することを主張している。分位数変換を通じてデータを単位超立方体にマッピングすることで、これらの手法は、ベイズ最適化のような微分フリーアルゴリズムの利用を容易にする自然な境界とスケーリングを提供する。

主要な科学的貢献は、準対称または準アイソダイナミックから遠いステラレータ構成においても、優れたアルファ粒子閉じ込めが達成可能であることを示した点にある。これは、良好な閉じ込めには厳密なQSまたはQI条件の遵守が必要であるという支配的な見解に異を唱えるものであり、これらの条件が過度に制約的である可能性を示唆している。本研究は、次元削減、堅牢なパラメータ化、および非同期並列計算を組み合わせることで、高忠実度で非滑らかな物理目的関数（モンテカルロ・ガイディングセンター・トレーシングなど）を直接最適化するためのフレームワークを提供するものである。