Neural networks have been implemented to reconstruct electron temperature profiles from multi-energy soft-x-ray (ME-SXR) arrays and other plasma diagnostics with fast time resolution. On NSTX, electron temperature profiles are measured with a Thomson scattering diagnostic at 60 Hz, a speed limited by the repetition rate of the lasers. By training a neural network to match fast (>10 kHz) x-ray data with Te profiles from Thomson scattering, the ME-SXR diagnostic can be used to produce Te profiles with high time resolution. In particular, a new ME-SXR system will be used in conjunction with a new laser blow-off impurity injection system to measure cold pulse propagation in NSTX-U plasmas for direct, perturbative heat transport measurements. Synthetic ME-SXR data were used to optimize performance of the neural networks and study the impact of including data from various diagnostics in the networks. Initial tests on data from a previous-generation ME-SXR diagnostic on NSTX have proven successful.
ニューラルネットワークは、高速時間分解能を備えた多エネルギー軟X線（ME-SXR）アレイやその他のプラズマ計測から電子温度プロファイルを再構成するために実装されている。NSTXでは、電子温度プロファイルはトムソン散乱計測により60 Hzで測定されており、この速度はレーザーの繰り返し周波数によって制限される。高速（>10 kHz）のX線データをトムソン散乱によるTeプロファイルと照合するようにニューラルネットワークを訓練することで、ME-SXR計測は高い時間分解能でTeプロファイルを生成するために使用できる。特に、新しいME-SXRシステムは、新しいレーザーブローオフ不純物入射システムと組み合わせて使用され、NSTX-Uプラズマにおける冷パルス伝播を測定し、直接的な摂動熱輸送測定を実現する。合成ME-SXRデータは、ニューラルネットワークの性能を最適化し、様々な計測からのデータを含めることの影響を調べるために使用された。前世代のME-SXR計測によるデータを用いた初期試験は成功している。