A neural network model, EFITNN, has been developed capable of real-time magnetic equilibrium reconstruction based on HL-3 tokamak magnetic measurement signals. The model processes inputs from 68 channels of magnetic measurement data gathered from 1159 HL-3 experimental discharges, including plasmas current, loop voltage, and the poloidal magnetic fields measured by probes. The outputs of the model feature eight key plasmas parameters, alongside high-resolution () reconstructions of the toroidal current density and poloidal magnetic flux distributions Ψrz. Moreover, the network's architecture employs a multi-task learning structure, which enables the sharing of weights and mutual correction among different outputs, and leads to increase the model's accuracy by up to 32%. The performance of EFITNN demonstrates remarkable consistency with the offline EFIT, achieving average 0.941, 0.997 and 0.959 for eight plasmas parameters, Ψrz and , respectively. The model's robust generalization capabilities are particularly evident in its successful predictions of quasi-snowflake (QSF) divertor configurations and its adept handling of data from shot numbers or plasmas current intervals not previously encountered during training. Compared to numerical methods, EFITNN significantly enhances computational efficiency with average computation time ranging from 0.08 ms to 0.45 ms, indicating its potential utility in real-time isoflux control and plasmas profile management.
EFITNNと呼ばれるニューラルネットワークモデルが開発され、HL-3トカマク磁気計測信号に基づくリアルタイム磁気平衡再構成が可能となった。このモデルは、1159回のHL-3実験放電から収集された68チャンネルの磁気計測データ（プラズマ電流、ループ電圧、プローブにより測定されたポロイダル磁場を含む）を入力として処理する。モデルの出力は、8つの主要なプラズマパラメータに加え、トロイダル電流密度 およびポロイダル磁束分布Ψrzの高解像度（）再構成を特徴とする。さらに、ネットワークのアーキテクチャはマルチタスク学習構造を採用しており、異なる出力間での重み共有と相互補正を可能にし、モデルの精度を最大32%向上させる。EFITNNの性能はオフラインEFITと顕著な一致を示し、8つのプラズマパラメータ、Ψrz、 についてそれぞれ平均 0.941、0.997、0.959を達成している。モデルの堅牢な汎化能力は、準スノーフレーク（QSF）ダイバータ配位の予測成功や、トレーニング中に遭遇したことのないショット番号またはプラズマ電流区間のデータの巧みな処理において特に顕著である。数値手法と比較して、EFITNNは平均計算時間0.08 msから0.45 msで計算効率を大幅に向上させ、リアルタイム等フラックス制御およびプラズマプロファイル管理における潜在的有用性を示している。