This study investigates the feasibility of reconstructing electron temperature and density profiles on the COMPASS tokamak using neural networks trained on soft x-ray and absolute extreme ultraviolet radiation diagnostics, complemented by selected global and local plasma measurements. The proposed approach enables kinetic profile inference with microsecond temporal resolution, far exceeding that of the standard Thomson scattering diagnostic. The model performance is evaluated for different diagnostic combinations and plasma regimes, including L-mode, H-mode. Typical reconstruction errors remain within about 10% in the plasma core and increase to approximately 20% near the edge. The method is further shown to capture temperature and density evolution during fast transient phenomena such as sawtooth crashes and edge-localized modes, demonstrating its capability to follow rapid events and serve as a potential tool for their detailed analysis.
本研究では、COMPASSトカマクにおける電子温度・密度分布の再構成の実現可能性を、軟X線および絶対極端紫外放射診断、ならびに選択された全局的・局所的プラズマ測定によって補完されたデータを用いて訓練したニューラルネットワークにより調査する。提案手法は、標準的なトムソン散乱診断のそれをはるかに上回る、マイクロ秒の時間分解能での運動論的プロファイル推論を可能にする。モデルの性能は、Lモード、Hモードを含む異なる診断組み合わせとプラズマ状態について評価される。典型的な再構成誤差は、プラズマ中心部では約10%以内に留まり、周辺部では約20%まで増加する。さらに、この手法は、鋸歯状振動クラッシュや周辺局在モードなどの高速過渡現象における温度・密度の時間発展を捉えることが示され、急速な事象を追跡し、それらの詳細な解析のための潜在的なツールとして機能する能力を実証している。