Disruptions remain the biggest threat to the safe operation of tokamaks. To efficiently mitigate the negative effects, it is now considered important not only to predict their occurrence but also to be able to determine, with high probability, the type of disruption about to occur. This paper reports the results obtained using the nonlinear generative topographic map manifold learning technique for the automatic classification of disruption types. It has been tested using an extensive database of JET discharges selected from JET campaigns from C15 (year 2005) up to C27 (year 2009). The success rate of the classification is extremely high, sometimes reaching 100%, and therefore the prospects for the deployment of this tool in real time are very promising.
破壊はトカマクの安全運転にとって最大の脅威であり続けている。その悪影響を効率的に軽減するためには、破壊の発生を予測するだけでなく、高い確率で破壊の種類を特定することが重要であると考えられている。本論文では、非線形生成トポグラフィックマップ多様体学習手法を用いた破壊タイプの自動分類によって得られた結果について報告する。この手法は、JETのC15（2005年）からC27（2009年）までのキャンペーンから選定された大規模なJET放電データベースを用いて検証された。分類の成功率は極めて高く、100%に達する場合もあり、したがってこの手法のリアルタイム適用の見通しは非常に有望である。