We present results of the design, implementation and testing of a Bayesian multi-diagnostic inference system which combines various divertor diagnostics to infer the 2D fields of electron temperature Te, density ne and deuterium neutral density n0 in the divertor. The system was tested using synthetic diagnostic measurements derived from SOLPS-ITER fluid code predictions of the MAST-U Super-X divertor which include appropriate added noise. Two SOLPS-ITER simulations in different states of detachment, taken from a scan of the nitrogen seeding rate, were used as test-cases. Taken across both test-cases, the median absolute fractional errors in the inferred electron temperature and density estimates were 10.3% and 10.1% respectively. Differences between the inferred fields and the test-cases were well explained by solution uncertainty estimates derived from posterior sampling. This work represents a step toward a larger goal of obtaining a quantitative, 2D description of the divertor plasma state directly from experimental data, which could be used to gain better understanding of divertor physics phenomena.
我々は、多様なダイバータ診断を組み合わせて、ダイバータにおける電子温度Te、密度ne、重水素中性粒子密度n0の2次元場を推定するベイズ型マルチ診断推論システムの設計、実装、および試験の結果を提示する。本システムは、SOLPS-ITER流体コードによるMAST-U Super-Xダイバータの予測から導出された合成診断測定値（適切なノイズを付加したもの）を用いて試験された。窒素シード率を変化させた異なるデタッチメント状態における2つのSOLPS-ITERシミュレーションをテストケースとして使用した。両テストケースにわたり、推定された電子温度および密度の中央絶対誤差率はそれぞれ10.3%および10.1%であった。推定場とテストケース間の差異は、事後サンプリングから導出された解の不確実性推定によって十分に説明された。本研究は、実験データから直接ダイバータプラズマ状態の定量的な2次元記述を得るというより大きな目標に向けた一歩であり、これによりダイバータ物理現象のより深い理解が可能になると期待される。