Diagnostics play a pivotal role in nuclear fusion experimental reactors, supporting physical studies, modelling, and plasma control. However, most diagnostics provide limited and partial information about the plasma's status. For instance, magnetic probes measure only external magnetic fields, while interferometers, polarimeters, and bolometers deliver line-integrated measurements, necessitating specific inversion algorithms to extract local information. In the case of bolometers, tomographic inversions are particularly complex due to the variety of radiative patterns observed, with regularization equations often only weakly approximating the intricate physics involved. To address these challenges, it is essential to develop innovative algorithms that enhance the accuracy of the inversion processes, thereby ensuring reliable results for physics understanding, modelling, and plasma control. This work introduces new methodologies based on Physics-Informed Neural Networks (PINNs) to perform time-resolved emission tomography from bolometer data. These methodologies are first evaluated using synthetic cases (phantoms) and compared with one of the most advanced tomographic inversion techniques in the literature. Subsequently, they are applied to reconstruct specific radiative anomalies, such as Edge Localized Modes, Multifaceted Asymmetric Radiation from the Edge, and excessive core radiation leading to temperature hollowness at the Joint European Torus. The study demonstrates that PINNs not only enhance the overall accuracy of tomographic inversions but also offer advanced capabilities like super-resolution, data projection, and self-modelling. These features make time-resolved PINNs a valuable tool for analysing radiative patterns in transient phenomena. Although this work only considers tomography, the technology is perfectly suited to tackle any kind of inverse problem and can therefore provide significant benefits for both research and practical applications in nuclear fusion.
診断は核融合実験炉において重要な役割を果たし、物理研究、モデリング、プラズマ制御を支えている。しかし、ほとんどの診断はプラズマの状態に関する限定的かつ部分的な情報しか提供しない。例えば、磁気プローブは外部磁場のみを測定し、干渉計、偏光計、ボロメータは線積分計測を提供するため、局所情報を抽出するための特定の逆変換アルゴリズムが必要となる。ボロメータの場合、観測される放射パターンが多様であるため、トモグラフィ逆変換は特に複雑であり、正則化方程式は関連する複雑な物理を弱く近似することしかできないことが多い。これらの課題に対処するには、逆変換プロセスの精度を向上させ、それによって物理理解、モデリング、プラズマ制御のための信頼性の高い結果を保証する革新的なアルゴリズムの開発が不可欠である。本研究では、ボロメータデータから時間分解発光トモグラフィを実行するための、物理情報ニューラルネットワーク（PINNs）に基づく新しい方法論を導入する。これらの方法論は、まず合成ケース（ファントム）を用いて評価され、文献における最も先進的なトモグラフィ逆変換手法の一つと比較される。その後、それらは特定の放射異常、例えばエッジ局在モード、エッジからの多面的非対称放射、およびJoint European Torusにおける温度ホローネスにつながる過剰なコア放射の再構築に適用される。この研究は、PINNsがトモグラフィ逆変換の全体的な精度を向上させるだけでなく、超解像、データ投影、自己モデリングといった高度な機能も提供することを実証している。これらの特徴により、時間分解PINNsは過渡現象における放射パターンを解析するための貴重なツールとなる。本研究はトモグラフィのみを考慮しているが、この技術は任意の種類の逆問題に取り組むのに完全に適しており、したがって核融合における研究と実用アプリケーションの両方に大きな利益をもたらすことができる。