토카막 붕괴 예측 tokamak disruption prediction
키워드 · 원자력·핵융합
3연구단 논문
1교수
16억 국가 R&D(2015–24)
소규모증가율
65.65%서울대 비중
플라즈마가 갑자기 소멸하는 붕괴(disruption)를 미리 감지·예측해 장치 손상을 막는 기술이다.
연도별 연구단 논문
국가 R&D 과제 동향 (NTIS, 억 원)
2015–2024 과제 레코드 12건 · 10년 16억 · 2015–19 대비 2020–24 소규모 · 대학 수행 74.0% · 서울대(본교) 65.65%. 매칭: 영문 키워드 'tokamak disruption prediction', 국문 '플라즈마 붕괴', '디스럽션 예측', '플라즈마 디스럽션'. 기관운영비·인력양성·출연연 주요사업비 등 과제 아닌 레코드는 뺐다.
매칭 과제의 NTIS 표준분류(1순위, 연구비 비중): 물리학 > 유체/플라즈마 61% · 원자력 > 핵융합 39%
교수
| 교수 | 학과 | 논문 | 2022년 이후 |
|---|---|---|---|
| 나용수 | 원자핵공학과 | 3 | 3 |
함께 나오는 키워드
연결되는 NTIS 분류
에너지/자원만에너지·환경·원자력 확장
논문 (최신순)
| 연도 | 논문 | SNUEI 저자 | 피인용 |
|---|---|---|---|
| 2025 | Machine learning based disruption prediction using long short-term memory in KSTAR Nuclear Fusion | 나용수 | 3 |
| 2024 | A control oriented strategy of disruption prediction to avoid the configuration collapse of tokamak reactors Nature Communications | 나용수 | 29 |
| 2024 | Enhancing disruption prediction through Bayesian neural network in KSTAR 원자력(에너지/자원 기타에서 이동) Plasma Physics and Controlled Fusion | 나용수 | 11 |
인접 그래프
노드 hover = 이웃 강조 · 1회 클릭 = 고정 · 고정된 노드 다시 클릭 = 페이지 이동
이 문서와 연결된 페이지
교수 1
논문 3
Enhancing disruption prediction through Bayesian neural network in KST · Machine learning based disruption prediction using long short-term mem · A control oriented strategy of disruption prediction to avoid the conf