베이지안 데이터 융합을 통한 플라즈마 평형 및 모드 구조 제약

초록

본 논문은 JET와 W7‑AS에서 개발된 베이지안 기반 데이터 융합 프레임워크(MINERVA)를 확장하여, MAST 구형 토카막의 평형 이론을 구분하고 H‑1 헬리컬 장치의 MHD 모드 구조를 검증하는 방법을 제시한다. 진단 데이터와 전방 모델의 불확실성을 정량화하고, 사전 지식을 결합해 내부 자기구조를 추정한다.

상세 분석

본 연구는 기존의 플라즈마 평형 재구성 방법이 전형적으로 MHD 평형 방정식(Grad‑Shafranov)이나 전류 밀도 모델에 의존하는 반면, MINERVA 프레임워크는 이러한 물리적 제약을 최소화하고 진단 데이터 자체에서 플럭스 서피스를 역추정한다는 점에서 혁신적이다. 베이지안 역전파는 관측값 (d)와 상태 변수 (\theta) 사이의 사후 확률 (p(\theta|d))를 계산하며, 여기서 사전 (p(\theta))는 전류 프로파일, 압력 프로파일, 기하학적 제약 등 물리적 사전지식을 포함한다. 특히, 데이터 간 상관관계와 측정 오차를 공분산 행렬 (\Sigma)로 명시함으로써, 다중 진단(마그네틱 코일, 포톤 방출 분광계, 마이크로파 인터페이스 등)의 상호보완성을 정량화한다.

MAST에 적용된 두 개의 경쟁 평형 모델은 (1) 전통적인 두-플럭스 함수 형태를 가정한 모델과 (2) 고전압 플라즈마 경계에서 비선형 압력 구배를 포함하는 모델이다. 베이지안 증거비(evidence ratio)를 통해 두 모델의 설명력을 비교했으며, 결과는 비선형 압력 구배 모델이 높은 사후 확률을 얻어, 구형 토카막에서의 고압축 플라즈마 특성을 더 잘 포착함을 보여준다. 이는 특히 중앙 전류 피크와 외부 마그네틱 측정값 사이의 불일치를 해소하는 데 기여한다.

H‑1 헬리컬 장치에서는 MHD 모드 구조, 특히 비대칭 토러스 모드와 전자기 파동의 위상 및 진폭 분포를 검증한다. 기존 선형 MHD 해석은 모드의 성장률과 구조를 예측하지만, 실험 데이터와의 직접 비교가 어려웠다. MINERVA는 각 진단(예: 고속 카메라, 전자기 센서, 레이저 인터페이스)의 측정값을 전방 모델에 매핑하고, 베이지안 추정을 통해 모드의 공간적 위상 함수를 재구성한다. 결과는 예측된 모드 구조와 실험적으로 관측된 위상 패턴이 95 % 신뢰구간 내에서 일치함을 보여, 베이지안 프레임워크가 MHD 이론 검증에 강력한 도구임을 입증한다.

또한, 논문은 베이지안 역전파 과정에서 발생하는 계산 복잡성을 완화하기 위해 마르코프 체인 몬테카를로(MCMC)와 변분 베이지안(VB) 기법을 혼합한 하이브리드 샘플링 전략을 제시한다. 이 접근법은 고차원 파라미터 공간에서도 수천 개의 샘플을 효율적으로 생성해, 사후 분포의 수렴성을 보장한다. 마지막으로, 데이터 융합 결과의 민감도 분석을 통해 진단 선택이 최종 플럭스 서피스 재구성에 미치는 영향을 정량화하고, 향후 실시간 플라즈마 제어에 적용 가능한 경량화 모델을 제안한다.