The Back Propagation Neural Network (BPNN) has been applied to the density inversion problem of the POlarimeter INTerferometer (POINT) system on the EAST tokamak. Using the BPNN, the electron density profile can be directly reconstructed from the line-integrated density measurement provided by the POINT system. The accuracy and reliability of this approach have been investigated through tests on experimental data. Compared to the traditional Park-matrix method, the BPNN-based model demonstrates significantly faster performance and greater robustness against system noise, making it suitable for real-time control of the density profile. Additionally, the influence of various measurement channels on the inverted density profile has been thoroughly analyzed, offering a quantitative approach to optimizing interferometer design for future machines.
誤差逆伝播ニューラルネットワーク（BPNN）は、EASTトカマク上のPOlarimeter INTerferometer（POINT）システムの密度逆問題に適用されてきた。BPNNを用いることで、POINTシステムが提供する線積分密度測定から電子密度分布を直接再構成することができる。この手法の精度と信頼性は、実験データを用いたテストによって調査されてきた。従来のPark行列法と比較して、BPNNベースのモデルは著しく高速な性能とシステムノイズに対する高いロバスト性を示し、密度分布のリアルタイム制御に適している。さらに、逆変換された密度分布に対する様々な測定チャンネルの影響が徹底的に分析されており、将来の装置における干渉計設計を最適化するための定量的アプローチを提供している。