TY - THES U1 - Dissertation oder Habilitation A1 - Böckenhoff, Daniel T1 - En Route Towards Heat Load Control for Wendelstein 7-X with Machine Learning Approaches N2 - With this thesis, studies which form the bedrock for the long term goal of first wall heat load control and optimization for the advanced stellarator Wendelstein 7-X are developed, described and put into context. It is laid out how reconstruction of features of the edge magnetic field from plasma facing component heat loads is an important first step and can successfully be achieved by artificial neural networks. A detailed study of plasma facing component heat load distribution, potential overloads and overload mitigation possibilities is made in first order approximation of the impact of the main plasma dynamic effects. N2 - Im Rahmen dieser Arbeit werden Studien zusammengefasst, die das Fundament für das Fernziel der Regelung und Optimierung der Wärmelast auf der ersten Wand des Stellarators Wendelstein 7-X bilden. Es wird dargelegt, in wiefern die Rekonstruktion von Merkmalen des Randmagnetfelds aus Bildern der Wärmelast der ersten Wand ein wichtiger erster Schritt ist und unter Zuhilfenahme künstlicher neuronaler Netze erreicht werden kann. Detaillierte Untersuchung der Wärmelastverteilung der ersten Wand, möglicher Überlastungen und Möglichkeiten zur Vermeidung von Überlastung werden in Abhängigkeit der wichtigsten plasma-dynamischen Effekte durchgeführt. KW - Kernfusion KW - Divertor KW - Künstliche Intelligenz KW - Operante Konditionierung KW - Überwachtes Lernen KW - Rekonstruktion KW - Wendelstein 7-X KW - Stellarator KW - Plasmaphysik KW - Reinforcement learning KW - Nuclear fusion KW - Artificial nerual networks KW - Heat load KW - Machine learning KW - Supervised learning KW - Plasma physics KW - Magnetic edge properties KW - Rotational transform KW - Radial axis shift Y2 - 2019 U6 - https://nbn-resolving.org/urn:nbn:de:gbv:9-opus-35780 UN - https://nbn-resolving.org/urn:nbn:de:gbv:9-opus-35780 SP - 157 S1 - 157 ER -