The mission of negative ion-based neutral beam injection (NNBI) is to conduct experiments with pulses lasting thousands of seconds. It is crucial to develop a simplified physical calculation model for the long-pulse negative ion source in the current NNBI device. This model will be used to evaluate the advantages and disadvantages of the selected parameters prior to the experiment, and to assist in adjusting and establishing the experimental parameters for the long-pulse ion source experiment. This paper presents the development of a static performance prediction model using a back propagation neural network. The model assesses the yield of negative hydrogen ions and the quantity of electrons in the ion source under specific parameter conditions, utilizing various experimental parameters as input. The experimental data used for this model are derived from historical data generated during the operation of the 2022 NNBI experiment. The test results indicate that under the current optimal hyperparameter condition, the prediction accuracy of H− ion current (I_H−) is 80.84%, and the prediction accuracy of extraction grid electronic current (I_EG) is 77.57%. This can effectively prevent invalid shots, accurately assess the advantages and disadvantages of the input parameters, and enhance the performance of the long-pulse NNBI device.
負イオンを用いた中性粒子ビーム入射（NNBI）の使命は、数千秒に及ぶパルスによる実験を行うことである。現在のNNBI装置における長パルス負イオン源のための簡易物理計算モデルを開発することが極めて重要である。このモデルは、実験前に選択されたパラメータの利点と欠点を評価し、長パルスイオン源実験の実験パラメータの調整および確立を支援するために使用される。本論文では、バックプロパゲーション・ニューラルネットワークを用いた静的性能予測モデルの開発について述べる。このモデルは、様々な実験パラメータを入力として用い、特定のパラメータ条件下でのイオン源における負水素イオンの生成量と電子の量を評価する。このモデルに使用される実験データは、2022年のNNBI実験の運用中に生成された履歴データに由来する。試験結果は、現在の最適なハイパーパラメータ条件下では、H−イオン電流（I_H−）の予測精度は80.84%、引き出しグリッド電子電流（I_EG）の予測精度は77.57%であることを示している。これにより、無効なショットを効果的に防止し、入力パラメータの利点と欠点を正確に評価し、長パルスNNBI装置の性能を向上させることができる。