Recent progress in the application of machine learning (ML)/artificial intelligence (AI) algorithms to improve the Equilibrium Fitting (EFIT) code equilibrium reconstruction for fusion data analysis applications is presented. A device-independent portable core equilibrium solver capable of computing or reconstructing equilibrium for different tokamaks has been created to facilitate adaptation of ML/AI algorithms. A large EFIT database comprising of DIII-D magnetic, motional Stark effect, and kinetic reconstruction data has been generated for developments of EFIT model-order-reduction (MOR) surrogate models to reconstruct approximate equilibrium solutions. A neural-network MOR surrogate model has been successfully trained and tested using the magnetically reconstructed datasets with encouraging results. Other progress includes developments of a Gaussian process Bayesian framework that can adapt its many hyperparameters to improve processing of experimental input data and a 3D perturbed equilibrium database from toroidal full magnetohydrodynamic linear response modeling using the Magnetohydrodynamic Resistive Spectrum - Feedback (MARS-F) code for developments of 3D-MOR surrogate models.
機械学習（ML）／人工知能（AI）アルゴリズムを適用して平衡再構成用EFITコードを改良する最近の進展について報告する。異なるトカマク装置に対応可能な、装置非依存のポータブルコアソルバーが開発され、ML/AIアルゴリズムの適用を容易にした。DIII-Dの磁気計測、モット・シュタルク効果計測、および運動論的再構成データから構成される大規模EFITデータベースが構築され、平衡解の近似再構成を行うEFITモデル次数削減（MOR）サロゲートモデルの開発に活用された。磁気再構成データセットを用いたニューラルネットワークベースのMORサロゲートモデルの訓練と検証に成功し、有望な結果が得られた。さらに、実験入力データの処理を改善するため、多数のハイパーパラメータを適応的に調整するガウス過程ベイズフレームワークの開発、およびMARS-Fコードによるトロイダル完全磁気流体力学線形応答を用いた3次元摂動平衡データベースの構築と、それに基づく3D-MORサロゲートモデルの開発も進められている。