Accurate and efficient plasma models are essential to understand and control experimental devices. Existing magnetohydrodynamic or kinetic models are nonlinear, computationally intensive, and can be difficult to interpret, while often only approximating the true dynamics. In this work, data-driven techniques recently developed in the field of fluid dynamics are leveraged to develop interpretable reduced-order models of plasmas that strike a balance between accuracy and efficiency. In particular, dynamic mode decomposition (DMD) is used to extract spatio-temporal magnetic coherent structures from the experimental and simulation datasets of the HIT-SI experiment. Three-dimensional magnetic surface probes from the HIT-SI experiment are analyzed, along with companion simulations with synthetic internal magnetic probes. A number of leading variants of the DMD algorithm are compared, including the sparsity-promoting and optimized DMD. Optimized DMD results in the highest overall prediction accuracy, while sparsity-promoting DMD yields physically interpretable models that avoid overfitting. These DMD algorithms uncover several coherent magnetic modes that provide new physical insights into the inner plasma structure. These modes were subsequently used to discover a previously unobserved three-dimensional structure in the simulation, rotating at the second injector harmonic. Finally, using data from probes at experimentally accessible locations, DMD identifies a resistive kink mode, a ubiquitous instability seen in magnetized plasmas.

中文翻译：

---

用动态模式分解表征磁化等离子体

准确有效的等离子体模型对于理解和控制实验设备至关重要。现有的磁流体动力学或动力学模型是非线性的，计算量很大，并且很难解释，而通常只能近似真实的动力学。在这项工作中，利用最近在流体动力学领域开发的数据驱动技术来开发可解释的等离子降阶模型，在准确性和效率之间取得平衡。特别是，动态模式分解 (DMD) 用于从 HIT-SI 实验的实验和模拟数据集中提取时空磁相干结构。分析了来自 HIT-SI 实验的三维磁性表面探针，以及带有合成内部磁性探针的伴随模拟。比较了 DMD 算法的许多主要变体，包括稀疏促进和优化 DMD。优化的 DMD 导致最高的整体预测准确度，而促进稀疏的 DMD 产生可避免过度拟合的物理可解释模型。这些 DMD 算法揭示了几种相干磁模式，为内部等离子体结构提供了新的物理见解。这些模式随后被用于在模拟中发现以前未观察到的三维结构，以二次喷射器谐波旋转。最后，使用来自实验可访问位置的探针的数据，DMD 识别出电阻扭结模式，这是磁化等离子体中普遍存在的不稳定性。优化的 DMD 导致最高的整体预测准确度，而促进稀疏的 DMD 产生可避免过度拟合的物理可解释模型。这些 DMD 算法揭示了几种相干磁模式，为内部等离子体结构提供了新的物理见解。这些模式随后被用于在模拟中发现以前未观察到的三维结构，以二次喷射器谐波旋转。最后，使用来自实验可访问位置的探针的数据，DMD 识别出电阻扭结模式，这是磁化等离子体中普遍存在的不稳定性。优化的 DMD 导致最高的整体预测准确度，而促进稀疏性的 DMD 产生可避免过度拟合的物理可解释模型。这些 DMD 算法揭示了几种相干磁模式，为内部等离子体结构提供了新的物理见解。这些模式随后被用于在模拟中发现以前未观察到的三维结构，以二次喷射器谐波旋转。最后，使用来自实验可访问位置的探针的数据，DMD 识别出电阻扭结模式，这是磁化等离子体中普遍存在的不稳定性。这些模式随后被用于在模拟中发现以前未观察到的三维结构，以二次喷射器谐波旋转。最后，使用来自实验可访问位置的探针的数据，DMD 确定了电阻扭结模式，这是磁化等离子体中普遍存在的不稳定性。这些模式随后被用于在模拟中发现以前未观察到的三维结构，以二次喷射器谐波旋转。最后，使用来自实验可访问位置的探针的数据，DMD 识别出电阻扭结模式，这是磁化等离子体中普遍存在的不稳定性。