As fusion pilot plants (FPPs) are increasingly viewed as within reach, many engineering challenges remain. Only a limited number of diagnostics are expected to be available in a reactor environment. Survivability, maintainability, and limited port space substantially restrict the number of FPP-relevant diagnostics. One remaining challenge is developing tools and devices to extract plasma state information necessary for controlling an FPP from a limited subset of diagnostics. This work is part of an overarching project to address this challenge. The specific diagnostic subset to be used in FPPs is still under debate. We take the approach of developing machine learning-based tools for different significant plasma state parameters, using already known FPP-relevant diagnostics. Previously, we developed a plasma confinement mode classifier using the electron cyclotron emission (ECE) diagnostic Clark et al (2026 Plasma Phys. Control. Fusion68 015022). Here, we expand on this by developing a classifier using the profile reflectometer (PR) data with 97% test accuracy, and an ensemble model that combines the ECE and PR models into a single model, achieving 99% test accuracy.
核融合パイロットプラント（FPPs）が実現可能な範囲にあるとますます見なされるにつれて、多くの工学的課題が残っている。炉環境で利用可能になると予想される診断装置は限られた数のみである。生存性、保守性、限られたポートスペースは、FPP関連診断装置の数を大幅に制限する。残る課題の一つは、限られた診断装置のサブセットからFPPを制御するために必要なプラズマ状態情報を抽出するためのツールと装置を開発することである。本研究は、この課題に取り組む包括的なプロジェクトの一部である。FPPで使用される具体的な診断装置サブセットはまだ議論中である。我々は、既知のFPP関連診断装置を用いて、様々な重要なプラズマ状態パラメータに対する機械学習ベースのツールを開発するアプローチを取る。以前に、我々は電子サイクロトロン放射（ECE）診断装置を用いたプラズマ閉じ込めモード分類器を開発した（Clark et al (2026 Plasma Phys. Control. Fusion68 015022)）。ここでは、これを拡張して、97%のテスト精度を持つプロファイル反射計（PR）データを用いた分類器と、ECEモデルとPRモデルを単一のモデルに組み合わせたアンサンブルモデルを開発し、99%のテスト精度を達成する。