🔢 mathematics

TokaGrad: End-to-end differentiable tokamak simulator for L-to-H full scenario optimization

本論文は、ランプアップ、Lモード、およびHモードへの遷移を含むフル放電シナリオを自己整合的にモデル化し、原子炉設計の効率的な勾配ベースの最適化と自律的なプラズマ制御を可能にする、初のエンドツーエンドで微分可能なトカマクシミュレータであるTokaGradを導入するものである。

原著者： Jaemin Seo

公開日 2026-07-13

📖 1 分で読めます🧠 じっくり読む

CC BY 4.0

原著者： Jaemin Seo

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

完璧なケーキを焼こうとしている場面を想像してみてください。しかし、レシピがあるわけではなく、ダーツをボードに投げるときのように、温度や混ぜる速度、材料を推測しなければなりません。もしケーキが焦げてしまったら、やり直しです。もし乾燥しすぎていたら、またやり直しです。これは、基本的に科学者が伝統的に核融合炉を設計してきた方法です。トーカマクと呼ばれる巨大なドーナツ型の機械を用いて、太陽のエネルギーを地球上で再現しようとする試みです。彼らは高価な「試行錯誤」に頼り、つまみを調整しては、うまくいくことを願うという手法をとってきました。

ここに、研究者のJaemin Seo氏によって開発された新しいデジタルツール、「TokaGrad」が登場します。TokaGradを、目隠しをして突っつくような「ブラックボックス」としてではなく、核融合のための「超スマートで自己認識を持つビデオゲームエンジン」と考えてみてください。

「自己認識型」シミュレーターの魔法

かつて、核融合反応をシミュレーションすることは、キャラクターがなぜ特定の動きをしたのかを知るために巻き戻したり一時停止したりできない映画を見ているようなものでした。ただ結果が見えるだけだったのです。もしプラズマ（原子炉内部の超高温ガス）がうまく機能しなかった場合、科学者は何が間違っていたのかを推測するしかありませんでした。

TokaGradはそのルールを変えます。このツールは、シミュレーション全体を「つながったドミノの連鎖」として構築します。磁場の形状から加熱出力に至るまで、装置のあらゆる部分が連結されています。もし一つのドミノ（例えば加熱力を変えること）を突けば、ツールはその小さな変化がどのようにシステム全体に波及し、最終的な結果を変化させるかを、瞬時に計算することができます。

これは「微分可能プログラミング（differentiable programming）」と呼ばれます。単に推測するのではなく、このツールは問題の「傾斜（スロープ）」を知っています。それは、単に現在地を教えるだけでなく、道がいかに曲がりくねっていても、目的地に到達するために必要な正確なステアリング角度を即座に算出できるGPSを持っているようなものです。

大きな挑戦：「LからHへの」ジャンプ

核融合炉には、トリッキーな性格があります。彼らは「怠慢なモード（Lモード）」または「高性能モード（Hモード）」で動作します。Hモードは熱をより良く閉じ込めることができるため目標となりますが、そこへ到達するのは、重い岩を丘の上へと押し上げるようなものです。適切なタイミングで、適切な強さの押しが必要なのです。

もし早すぎるタイミングで強く押しすぎると、丘を越えられないかもしれません。もし押しが足りなければ、滑り落ちてしまいます。現実の世界では、物理現象が複雑で非線形であるため、この「完璧な押し」を見つけ出すことは非常に困難です。

TokaGradは、これらの「ドミノの繋がり」を維持したまま、この「旅路の全行程」――つまり、冷却されたスタートアップ状態から、怠慢なLモードを経て、高性能なHモードに至るまで――をモデル化できる最初のシミュレーターです。これは単に最終状態をシミュレートするのではなく、「遷移（トランジション）」そのものをシミュレートするのです。

このツールが実際に成し遂げたこと（証明）

研究者たちは単にツールを作っただけではありません。彼らは3つの刺激的な方法でテストを行いました。

スピード・テスト： 彼らは、TokaGradをTORAXと呼ばれる既存のツールと比較しました。TORAXがゆっくりと慎重に進める会計士だとすれば、TokaGradは短距離走者です。標準的なノートパソコン上で、TokaGradはTORAXよりも10倍以上速くシミュレーションを実行しました。その速さは、150秒間の核融合パルスを、実時間わずか17秒でシミュレートできるほどでした。
「スマート」な制御： 彼らは、原子炉から最大限のエネルギーを取り出す方法をツールに問いかけました。ランダムな設定を試す代わりに、ツールはその「傾斜」の知識を利用して、加熱と電流を調整しました。そして、Hモードの丘を乗り越えるために一時的に加熱電力を上げ、その後、高いパフォーマンスを維持しながらエネルギーを節約するために電力を絞るという解決策を自ら見つけ出しました。これは人間の推測なしに、自動的に行われました。
「もしも」の設計者： 彼らは、原子炉そのものを再設計させる実験を行いました。装置のサイズや形状（主要半径や磁場強度など）を微調整することで、ツールはさらに多くのエネルギーを生み出せる新しい設計を提案しました。ツールは、装置をわずかに大きくし、形状を変更することで、装置の安定性を保ちながら性能を向上させられることを見出したのです。

これが意味すること（そして意味しないこと）

この論文は、このアプローチが核融合炉の設計方法に革命をもたらす可能性があることを示唆しています。試行錯誤の実験に何年も費やす代わりに、エンジニアはTokaGradを使用して、何千ものシナリオを瞬時にテストし、動作する原子炉への最善の経路を見つけ出すことができるでしょう。

しかし、これらはあくまでシミュレーションであることを忘れてはなりません。このツールは、より良い加熱戦略や原子炉の形状を見つけ出せることをコンピュータ上で示しましたが、まだ物理的な原子炉を建設したり、実際の核融合実験を行ったりしたわけではありません。ここでの「ブレイクスルー」は、物理的な核融合炉そのものではなく、その「最適化の手法」にあります。

著者らはまた、ツールが高速でスマートであっても、入力される物理モデルに依存していることも指摘しています。もしモデルが間違っていれば、「スマートな」助言も間違ったものになる可能性があります。しかし、現時点では、TokaGradは複雑で起伏の激しい道のりである、クリーンで無限の核融合エネルギーへの道をナビゲートするための、有望な新しい方法を提示しています。それは、地球上に星を設計するプロセスを、運任せのゲームから、精密で計算された戦略のゲームへと変えるのです。

技術要約：TokaGrad – エンドツーエンドの微分可能なトカマクシミュレータ

1. 問題提起

磁場融合研究が科学的な実現可能性から、リアクター規模の商業化へと移行するにつれ、新しいリアクター概念の設計や高性能なプラズマシナリオの最適化が極めて重要になっています。従来のシナリオ開発手法は、コストのかかる試行錯誤、専門家による波形チューニング、および低次元のパラメータスキャンに大きく依存しています。ASTRAやTRANSPのような統合モデリングツールは仮想実験を改善してきましたが、シナリオ設計はいまだに「ヒューマン・イン・ザ・ループ（人間が介在する）」プロセスにとどまっています。

現在の手法における主な限界は以下の通りです：

ブラックボックス最適化： ベイズ最適化や強化学習などの多くの機械学習アプローチは、シミュレータをブラックボックスとして扱い、繰り返しのフォワード評価と間接的な感度推論を必要とします。これは、高次元でマルチアクチュエータなフル放電シナリオに対しては計算コストが膨大になります。
微分可能性の欠如： 従来の数値シミュレーションはステップバイステップの手順として実行されるため、パイプライン全体を通じて勾配を伝播させることができません。これにより、内部の感度を利用した直接的な勾配ベースの制御や最適化が妨げられています。
不完全なフルシナリオモデリング： 既存の微分可能な輸送ソルバー（例：TORAX）は、主にコア輸送と規定されたシナリオに焦点を当ててきました。これらは、L-H遷移、エッジペデスタル形成、および進化するプラズマ形状と平衡再構成の結合を含む、動的なフル放電シナリオの自己整合的なモデリングを欠いています。

2. 手法

著者らは、JAXフレームワーク上に構築されたエンドツーエンドの微分可能なトカマクトランスポートシミュレータであるTokaGradを紹介します。このシステムは、初期条件から最終的なプラズマ性能に至るまでの全シミュレーションパイプラインを、接続された微分可能な計算グラフとして表現します。これにより、自動微分（AD）を用いて全シミュレーションにわたってヤコビアンを計算し、マシンパラメータ、アクチュエータ波形、およびプラズマ応答を紐付けることが可能になります。

コアアーキテクチャ

TokaGradは、以下の微分可能なモジュールを単一のグラフ内に統合しています：

輸送フレームワーク： コアは、正規化された径方向磁束座標（ $\rho$ ）における電子/イオン温度（ $T_{e,i}$ ）、電子密度（ $n_e$ ）、およびポロイダル磁束（ $\psi$ ）の結合された一次元輸送方程式で構成されます。
- 数値スキーム： 安定性のためにセミインプリシット（半陰解法）有限体積法が使用され、JAXのJust-In-Time（JIT）コンパイルと互換性のある微分可能な三対角行列ソルバ（トーマス・アルゴリズム）によって解かれます。
- 方程式： 粒子輸送、保守的エネルギー輸送（ $T_{e,i}$ 用）、およびブートストラップおよび電流駆動源に結合された誘導磁束の進化を含みます。
幾何学および平衡：
- EQDSKモード： 現実的なベンチマーキングのために、外部生成された平衡（EFITなど）をサポートしますが、幾何学に関する勾配はパラメータ化されていない限り限定的です。
- Miller/Momentモード： 解析的な磁束面パラメータ化（大半径、伸長、三角形、シャフラノフ・シフト）を用いた簡略化された固定境界モデルです。このモードは完全に微分可能であり、マシンの形状パラメータ（ $R_0, a, \kappa$ ）の最適化を可能にします。
輸送クロージャ：
- 乱流輸送： 計算負荷の高いジャイロキネティック・ソルバーを置き換えるために、ニューラルネットワーク（NN）サロゲート（TGLF-NN, QLKNN）を使用します。これらのサロゲートは、プラズマプロファイルから輸送係数への微分可能なマッピングを提供します。
- ネオクラシカル輸送： 解析的な公式（Sauter-Angioni）およびNNサロゲート（NEO-NN）をサポートします。
- 経験的モデル： 高速なベースライン用のBohm-gyroBohm（BgB）モデルを含みます。
ソースおよびシンク：
- 加熱： オーム加熱、アルファ加熱（Bosch-Haleフィットを使用）、衝突交換、および放射損失。補助加熱は、滑らかな正規化ガウスプロファイルを用いてモデル化されます。
  ・ 粒子源： 非微分的なハードスイッチングを避けるため、Greenwald分率を追跡する密度フィードバック制御または規定された形状モデルを実装しています。
L-H遷移およびペデスタル：
- 遷移： LモードとHモードの間の遷移をゲート制御するために、経験的な閾値（ $P_{LH}$ 、例えばMartinやDelabieのスケーリング）に対するセパラトリクスを横切る電力（ $P_{sep}$ ）に基づく滑らかなシグモイド関数を使用します。これにより、非微分的なバイナリスイッチを回避します。
- ペデスタル： ペデスタルのターゲットを、アルファ臨界減少モデルまたはEPED1-NNサロゲートを使用して構築します。ペデスタルプロファイルは、smoothmax関数を使用してコア輸送解と滑らかにブレンドされ、遷移を通じて勾配が伝播することを保証します。

3. 主な貢献

初の自己整合的な微分可能なフル放電シミュレータ： TokaGradは、アクチュエータ、プラズマ平衡、ペデスタル形成、および閉じ込めレジームの遷移（L-to-H）が、微分可能なグラフ内で共に進化する動的なフル放電シナリオをモデリングできる初のフレームワークです。
エンドツーエンドの微分可能性： 高忠実度の物理クロージャ（TGLF, EPED1, NEO）をJAX互換のNNサロゲートに変換することで、システムは最終的な性能指標から、輸送、乱流、および平衡モデルを経て、設計および制御入力へと勾配を伝播させることを可能にします。
インタラクティブなライブシミュレーション： 本フレームワークは、JITコンパイル後の長パルスシミュレーションにおいて、実時間よりも高速なシミュレーション（TORAXに対して10倍以上の高速化を実証）をサポートしており、因果関係のインタラクティブな探索を可能にします。
勾配ベースの最適化： システムは、有限差分スキャンを必要とせずに、アクチュエータ波形、シナリオ軌道、およびリアクター設計パラメータの直接的な最適化を容易にします。

4. 結果およびデモンストレーション

論文では、ベンチマークと最適化のケーススタディを通じてTokaGradを検証しています：

ベンチマーク：
- TORAXとの比較： 円形幾何学を用いた単純化されたLモードシナリオにおいて、TokaGradは確立されたJAXベースのTORAXシミュレータの誤差約5%以内で、コア輸送プロファイル（温度、密度、電流）を再現しました。
- パフォーマンス： JITコンパイルのオーバーヘッドが償却された後、TokaGradは長パルスシミュレーションにおいてTORAXと比較して1桁以上の壁時間（wall-clock time）の高速化を示しました。
- Hモードシミュレーション： TGLF-NN/EPED1-NNおよびQLKNN/alpha-criticalモデルを用いたITERベースラインシナリオのシミュレーションでは、約7秒で核融合利得 $Q \sim 11$ および核融合出力 $\sim 550$ MWを達成しました（実時間よりも高速）。
フル放電L-to-Hシミュレーション：
- 150秒間のITERベースラインシミュレーションは、ランプアップ、Lモードフェーズ、およびHモードへの遷移を正常にモデリングしました。
- シミュレーションはL-H遷移のヒステリシスを捉えました：一時的な加熱オーバーシュート（73 MW）が遷移を誘発し、その後、補助電力を50 MWに減少させた後でも、アルファ加熱がHモードを維持しました。
最適化アプリケーション：
- アクチュエータ制御： 勾配ベースの制御（Adamオプティマイザ）は、安定性制約（ $q_{95} > 3, \beta_N < 3$ ）を遵守しながら、核融合指標（ $Q + 0.01 P_{fus}$ ）を最大化するために、プラズマ電流（ $I_p$ ）、補助加熱（ $P_{aux}$ ）、およびGreenwald分率（ $f_{GW}$ ）を正常に調整しました。
- シナリオ波形最適化： Hモードへの到達に失敗するナイーブなランプアップから開始して、オプティマイザは一時的な加熱オーバーシュート戦略を自動的に発見しました。これにより、プラズマはL-H閾値を越え、同じ最終的なアクチュエータ条件下で高性能なHモードを維持することができました。
- リアクター設計最適化： フレームワークは、核融合性能を最大化するために、マシン設計パラメータ（ $R_0, a, B_T, I_p$ ）を最適化しました。オプティマイザは、安定性制約を満たすようにパラメータを調整しながら、大半径および磁場の増加といった傾向を正しく特定しました。

5. 重要性と主張

著者らは、TokaGradが自動化されたトカマクシナリオ設計への実用的な経路を提供するものであると主張しています。微分可能な物理学によって可能となるブラックボックス最適化に代わる勾配ベースの手法により、本フレームワークは以下を可能にします：

直接的な感度分析： 外部からの摂動なしに、核融合利得が加熱軌道にどのように依存するか、あるいはペデスタル高さが幾何学にどのように依存するかを計算すること。
経路依存の最適化： 最終状態だけでなく、Hモードのような高性能レジームに到達するために必要な動的な経路（例：ランプアップ波形）全体を最適化すること。
スケーラビリティ： ラップトップ規模のハードウェア（Apple M1 Pro）で繰り返しフォワードおよびバックワード評価を実行できる能力は、以前は計算量的に不可能であった複雑でマルチオブジェクティブなリアクターシナリオの最適化を可能にします。

論文は、現在のデモンストレーションはITERベースラインのような条件に焦点を当てているものの、本フレームワークは汎用的であり、燃焼プラズマシナリオおよび次世代リアクター概念の自動化された、物理学に基づいた最適化のための新しい経路を提供すると結論付けています。