畳み込みニューラルネットワークによるREBCOコイルのクエンチ予測

カテゴリ: 研究会(論文単位)

論文No: MC24017,ASC24017

グループ名: 【A】基礎・材料・共通部門 金属・セラミックス/【B】電力・エネルギー部門 超電導機器合同研究会

発行日: 2024/07/28

タイトル(英語): Quench Prediction of REBCO Coils Using Convolutional Neural Network

著者名: 間藤 昂允(北海道大学),石山 敦士(早稲田大学),野口 聡(北海道大学)

著者名(英語): Takanobu Mato(Hokkaido University),Atsushi Ishiyama(Waseda University),So Noguchi(Hokkaido University)

キーワード: ＲＥＢＣＯコイル|機械学習|ＣＮＮ|クエンチ予測|REBCO coil|Machine learning|CNN|Quench prediction

要約(日本語): 国内外の研究機関で30 Tや40 Tを目標としたREBCO (rare-earth barium copper oxide)マグネットの開発が盛んに行われている．一方，高磁場化を背景としてさらなるコイル保護能力，すなわち信頼性の担保が要求されている．本研究では，畳み込みニューラルネットワーク(CNN: convolutional neural network)を利用して， REBCOパンケーキコイルを対象としたコイル電圧波形によるクエンチ予測器を構築する．学習データは数値計算により収集するが，電圧波形に含まれるノイズも考慮し，実環境へ適用可能性も調査する．

要約(英語): The research and development of REBCO (rare-earth barium copper oxide) coils are one of the most active areas in the applied superconductivity field. The current density of REBCO coils has been increasing. This leads to the higher importance of coil protection. In the contribution of our research, we propose a CNN-based quench predictor of REBCO pancake coils from the voltage profiles, together with the discussion of robustness for signal noises in this paper.

本誌: 2024 年7月31日-2024 年8月1日金属・セラミックス/超電導機器合同研究会

本誌掲載ページ: 7-8 p

原稿種別: 日本語

PDFファイルサイズ: 1,021 Kバイト