A machine learning approach, namely symbolic regression (SR), is applied in the stellarator Wendelstein 7-X (W7-X), to investigate the effect of six plasma parameters (line integrated electron density, heating power, toroidal plasma current, fraction of radiated power, core and edge ion temperatures) on the sub-divertor neutral gas pressure. Based on the data from the OP1.2b experimental campaign, closed-form expressions of the neutral gas pressure in terms of the plasma parameters are deduced for the standard, high iota and high mirror magnetic configurations at three different ports of the exhaust system. While common regression schemes assume a predetermined functional form, SR autonomously discovers, via genetic programming, the functional structure of the model, purely from data. In all cases, the optimized data driven SR framework clearly points out that, in estimating the neutral gas pressure, the most dominant parameters are the electron density and the heating power, while the remaining plasma parameters have minor impact, at least from the statistical point of view and may not be included in the correlations. Balancing model generality, complexity(COMP) and accuracy for all considered magnetic configurations and ports, the proposed closed form expressions contain only the product of electron density and heating power raised at some powers, times a constant. The proposed two-parameter symbolic expressions, exhibiting low COMP and excellent accuracy metrics, provide a practical and analytical tool for the acceleration of the neutral gas pressure calculations, that are otherwise computationally very expensive and for the overall performance assessment of the W7-X exhaust system. They may also contribute to more efficient experimental design and operation. performance assessment of the W7-X exhaust system. They may also contribute to more efficient experimental design and operation.
機械学習アプローチ、すなわち記号回帰(SR)が、ステラレーターWendelstein 7-X (W7-X)において、6つのプラズマパラメータ（線積分電子密度、加熱パワー、トロイダルプラズマ電流、放射パワーの割合、コアおよびエッジのイオン温度）がサブダイバータ中性ガス圧力に及ぼす影響を調査するために適用される。OP1.2b実験キャンペーンからのデータに基づき、排気システムの3つの異なるポートにおける標準、高イオタ、高ミラー磁気配位に対して、プラズマパラメータの関数としての中性ガス圧力の閉形式表現が導出される。一般的な回帰手法が所定の関数形を仮定するのに対して、SRは遺伝的プログラミングを介して、純粋にデータからモデルの関数構造を自律的に発見する。すべての場合において、最適化されたデータ駆動型SRフレームワークは、中性ガス圧力の推定において、最も支配的なパラメータが電子密度と加熱パワーであることを明確に示しており、残りのプラズマパラメータは、少なくとも統計的な観点からは影響が小さく、相関関係に含める必要がない可能性がある。考慮されたすべての磁気配位とポートについてモデルの一般性、複雑さ(COMP)、および精度のバランスを取ると、提案された閉形式表現は、電子密度と加熱パワーの積をいくつかのべき乗で累乗し、定数を掛けたもののみを含む。提案された2パラメータの記号表現は、低いCOMPと優れた精度指標を示し、そうでなければ計算コストが非常に高い中性ガス圧力計算の加速と、W7-X排気システムの全体的な性能評価のための、実用的かつ解析的なツールを提供する。それらはまた、より効率的な実験設計と運転に貢献する可能性がある。W7-X排気システムの性能評価。それらはまた、より効率的な実験設計と運転に貢献する可能性がある。