The control and mitigation of magnetohydrodynamic (MHD) oscillation modes is an issue in fusion science because these modes can contribute to the outward particle/energy flux and can drive the device away from ignition conditions. It is of general interest to extract the mode information from large experimental databases in a fast and reliable way. We present a software tool based on deep learning that can identify these oscillation modes taking Mirnov coil spectrograms as input data. It uses convolutional neural networks that we trained with manually-annotated spectrograms from the TJ-II stellarator database. We have tested several detector architectures, resulting in a detector area under the curve score of 0.6 on the test set. Finally, it is applied to find MHD modes in our spectrograms to show how this new software tool can be used to mine large databases.
磁流体力学（MHD）振動モードの制御と緩和は、核融合科学における課題である。なぜなら、これらのモードは外向きの粒子・エネルギー流束に寄与し、装置を点火条件から遠ざける可能性があるからである。大規模な実験データベースからモード情報を高速かつ確実に抽出することは、一般的に重要である。我々は、Mirnovコイルスペクトログラムを入力データとして、これらの振動モードを識別できる深層学習に基づくソフトウェアツールを提示する。本ツールは、TJ-IIステラレーターのデータベースから手動でアノテーションされたスペクトログラムを用いて訓練された畳み込みニューラルネットワークを使用する。我々は複数の検出器アーキテクチャを試験し、テストセットにおいて検出器のAUCスコア0.6を達成した。最後に、本ツールを適用してスペクトログラム中のMHDモードを発見し、この新しいソフトウェアツールが大規模データベースのマイニングにどのように利用できるかを示す。