Reconocimiento de eventos mediante teoría de martingalas en plasmas termonucleares

Resumen

Los plasmas de fusión son sistemas físicos regidos por complejas interacciones altamente no lineales y que necesitan diagnosticarse de la mejor manera posible. La base de datos de cualquier dispositivo experimental de fusión actual se compone de millones de señales. La mayoría de estas señales son de evolución temporal, con un número de muestras entre 10.000 y varios millones. Por ejemplo, en el tokamak JET (con una duración de descarga de 40 s), se han realizado más de 90.000 disparos y el número de señales que se adquieren en cada descarga puede ser superior a 10.000. En la actualidad, el tamaño de la base de datos de JET es de 100 Terabytes y su tendencia de crecimiento refleja que la cantidad de datos adquiridos se duplica cada dos años. En ITER se espera que se produzcan Terabytes de datos por descarga, lo que significa producir Petabytes de datos por año. Por tanto, es un requisito totalmente necesario la inclusión de sistemas automáticos que permitan un tratamiento eficiente y global de las bases de datos de fusión. Por lo expuesto y dada la enorme cantidad de información a tratar, las técnicas de aprendizaje automático (Machine Learning) resultan de gran ayuda en el análisis de señales. En particular, las técnicas de reconocimiento de cambios en flujos de datos son útiles tanto en análisis en tiempo real como en diferido (off-line). El trabajo de investigación de la presente tesis consiste en el desarrollo y estudio de un sistema automático, basado en martingalas, para la detección de eventos en plasmas termonucleares. El sistema automático de reconocimiento es general y no depende de un evento particular o representación específica (formas de onda, imágenes o señales multidimensionales). Se han obtenidos resultados positivos con la detección de eventos en perfiles de bolometría del TJ-II e imágenes de JET. Lista de palabras clave: Detección de cambios, tiempo-real, aprendizaje automático, plasmas de fusión nuclear, martingalas, predictores conformales.