Project

Geïntegreerde data-analyse via Bayesiaanse probabilistische methodes voor real-time diagnose en controle in fusiereactoren

Code
1SH6424N
Looptijd
01-11-2023 → 31-10-2027
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Mandaathouder
Onderzoeksdisciplines
  • Natural sciences
    • Statistics not elsewhere classified
    • Numerical methods not elsewhere classified
    • Machine learning and decision making
    • Physics of (fusion) plasmas and electric discharges
  • Engineering and technology
    • Smart sensors
    • Signal processing not elsewhere classified
Trefwoorden
Bayesiaanse inferentie
 
Projectomschrijving

Kernfusie heeft het potentieel de wereld te voorzien van veilige, schone en onuitputtelijke energie. Tegelijk biedt een fusiemachine een brede waaier aan opportuniteiten op het gebied van de datawetenschappen. In dit project zal ik de expertise van onze onderzoeksgroep inzetten in geïntegreerde data-analyse door Bayesiaanse inferentie voor real-time sensorfusie in een nieuwe generatie demonstratiereactoren (DEMO). Dit brengt een aantal uitdagingen met zich mee door real-time vereisten en onzekerheidskwantificatie aan de kant van de diagnostieken (sensoren) maar ook de actuatoren, en integratie in het controlesysteem van de machine. Geïntegreerde data-analyse zal cruciaal zijn voor DEMO door de noodzaak van stabiele operatie met behulp van beperkte hoeveelheden sensordata. Het project zal nieuwe stappen zetten om deze expertise voor de eerste maal te introduceren in de designactiviteiten voor DEMO. Tegelijk plan ik de unieke positie van onze onderzoeksgroep in dit gebied te gebruiken om contact te leggen met fusielabo's en de Vlaamse industrie voor de transfer van know-how en om de industie te stimuleren om bij te dragen aan de fundamenten van de Belgische fusie-industrie doormiddel van geavanceerde toepassingen in de datawetenschappen.