Soft x-ray (SXR) cameras in a tokamak are limited spatially by ports of the vacuum vessel, and SXR tomography (SXT) technology is developed for reconstructing a two-dimensional SXR profile. However, traditional SXT is time-consuming and has difficulty achieving abundant and quick reconstructions for a tokamak. Based on experimental SXR data and Fourier–Bessel SXT codes at the EAST tokamak, three typical neural networks are built and trained. All the trained neural networks complete reconstruction within several milliseconds on a personal computer and succeed in constraining the SXR profile to match most of the data. In particular, the best-performing fully convolutional neural network provides SXR reconstruction images on the 2D evolution of a sawtooth, and shows its generalization. In the future, it is possible to provide an outstanding deep learning substitute to give abundant and quick SXT images instead of traditional SXT, after training for a few days.
トカマクにおける軟X線（SXR）カメラは真空容器のポートによって空間的に制限されており、二次元SXR分布を再構成するためにSXRトモグラフィー（SXT）技術が開発されている。しかし、従来のSXTは時間がかかり、トカマクに対して豊富で迅速な再構成を達成することが困難である。EASTトカマクにおける実験的なSXRデータとFourier–Bessel SXTコードに基づいて、3つの代表的なニューラルネットワークが構築され、訓練された。訓練されたすべてのニューラルネットワークは、パーソナルコンピュータ上で数ミリ秒以内に再構成を完了し、SXR分布をデータの大部分に一致するように制約することに成功した。特に、最も性能の良い完全畳み込みニューラルネットワークは、鋸歯状振動の2D発展に関するSXR再構成画像を提供し、その汎化性を示している。将来的には、数日間の訓練の後、従来のSXTの代わりに豊富で迅速なSXT画像を提供する優れた深層学習代替手段を提供することが可能である。