博后职位—荷兰—基础能源研究所—模拟等离子体边缘传输

Xee

申请截止日期：2024.6.30

专业领域：等离子体物理、人工智能、机器学习、人工神经网络

荷兰基础能源研究所 (DIFFER) 对全球可持续能源基础设施的材料、工艺和系统进行领先的基础研究。我们与（国际）国家学术界和工业界密切合作。我们的用户设施向行业和大学研究人员开放。作为荷兰研究委员会 (NWO) 的一个研究所，DIFFER 在能源转型的基础研究中发挥着关键作用。

1、职位介绍

⭐️聚变等离子体边缘输运效应的最新模拟技术已成为预测反应堆级运行方案的重要因素，既能满足所需的热量和粒子排气限制，又能保证聚变等离子体核心的良好性能。鉴于该问题的多尺度多物理特性，在数值收敛速度较慢的情况下，反应堆相关运行机制的解决方案很难实现。目前还没有一种数值工具，可以通过使用具有适当保真度的综合方法来预测等离子体控制的相关动态。近年来，聚变界已开始开发基于机器学习/人工智能模型的快速替代模型，以显著加快所使用工具的速度。事实证明，这些工具普遍适用，而且速度很快；但是，它们的预测能力需要在速度和保真度之间进行权衡。

⭐️我们正在寻求聘用一名博士后研究员，为期约两年，在各种框架（EUROfusion 和其他核聚变领域的私人合作伙伴）内与研究所的综合建模小组合作，为反应堆设计进行边缘模拟，并改进适用于核聚变反应堆的快速边缘传输模型替代物。

2、任务

⭐️采用最先进的工具进行等离子体边缘模拟。

⭐️开发保真度更高的基于 ML/AI 的快速代用模型，例如在（部分现有的）代用模型中 纳入中性物理学和等离子体漂移流效应的层次结构

⭐️部署改进后的快速模型，并将快速边缘模型与核心等离子体模拟器等耦合起来

⭐️假定模型参数的不确定性量化

⭐️采用反应堆规模模拟。

3、资格

⭐️充分了解聚变边缘等离子体的输运物理学。

⭐️具有使用输运求解器（如 SOLPS-ITER）的经验。

⭐️熟练掌握基于 ML/AI 的技术，以开发快速代用模型（深度中性网络），并有能力开发自 己的高效模型学习方案（深度学习技术、表征学习、主动学习等）。

⭐️在等离子体边缘进行动态模拟的经验（优先）。