近日，中國科學院合肥物質院等離子體所EAST團隊主動束光譜組在等離子體關鍵參數診斷研究方面取得新進展，相關研究成果發表于國際知名學術期刊Nuclear Fusion上。

等離子體離子溫度和旋轉速度是評估聚變實驗的重要參數之一,對等離子體穩定性和約束性能有重要影響。如何實現等離子體離子溫度和旋轉速度的快速精確測量一直是聚變裝置穩定高參數運行所面臨的關鍵技術問題之一。

該研究基于EAST裝置上的X射線晶體譜儀(XCS)獲得等離子體光譜數據,并利用人工神經網絡模型實現了等離子體旋轉速度和離子溫度剖面的快速預測。研究團隊開發了深度神經網絡(DNN)和卷積神經網絡(CNN)兩種模型,用于實時計算弦積分離子溫度。通過部分的交叉驗證方法，證明了模型的預測結果與目標值之間的強相關性。值得注意的是，團隊所開發的神經網絡模型的計算速度顯著提高,超過傳統方法計算速度的10倍以上。此外，模型還具備對輸入數據范圍和誤差的自動識別能力，為提升診斷系統的智能化水平奠定了基礎。最后,CNN還被用于預測弦積分旋轉速度剖面和局域的離子溫度剖面,驗證了該模型的魯棒性。需要指出的是,此模型算法不局限于特定的診斷系統和物理模型,可以較為快捷地移植并應用于多種診斷系統的數據分析過程。

等離子體所博士研究生林子超為論文第一作者,張洪明副研究員、王福地助理研究員和呂波研究員為論文的通訊作者，等離子體所是第一完成單位。上述研究工作獲得國家自然科學基金和國家磁約束聚變研究專項等項目的資助。

論文鏈接：https://doi.org/10.1088/1741-4326/ad73e8

圖1 神經網絡預測離子溫度數據與傳統算法結果對比

圖2 神經網絡預測離子溫度剖面與傳統算法結果對比

圖3 傳統算法計算離子溫度剖面與神經網絡計算耗時對比