Plasma boundary detection and reconstruction are important not only for plasma operation but also for plasma facing materials. Traditional methods, for example, EFIT code, which is constrained by electromagnetic measurement, and is very challenging for detecting the plasma boundary in long-pulse burning plasma devices such as ITER. A novel algorithm for the reconstruction of the plasma boundary using one visible camera has been developed on experimental advanced superconducting tokamak (EAST) for fusion reactors. A U-Net convolutional neural network was used to identify the plasma boundary and the pixel coordinates of the boundary points were fitted with EFIT via the XGBoost model. This algorithm can transform the boundary from the image plane to the poloidal plane of the Tokamak based on machine learning without traditional spatial calibration, and then the reconstruction of the plasma configuration shall be realized based on a monocular visible light camera. The reconstruction accuracy of this algorithm is relatively high. The average error on the test set was only 7.36 mm (<1 cm) and satisfied the accuracy requirements of control for EAST tokamak. This result can contribute to the development of the plasma boundary reconstruction and operation based on one visible camera.
プラズマ境界の検出と再構成は、プラズマ運転だけでなくプラズマ対向材料にとっても重要である。従来の手法、例えばEFITコードは、電磁計測に制約され、ITERのような長時間パルス燃焼プラズマ装置におけるプラズマ境界の検出は非常に困難である。実験先進超伝導トカマク（EAST）において、可視カメラ1台を用いたプラズマ境界再構成の新しいアルゴリズムが開発された。U-Net畳み込みニューラルネットワークを用いてプラズマ境界を識別し、境界点のピクセル座標をXGBoostモデルによりEFITでフィッティングした。このアルゴリズムは、従来の空間較正を必要とせず、機械学習に基づいて境界を画像平面からトカマクのポロイダル断面に変換し、単眼可視カメラによるプラズマ配位の再構成を実現できる。このアルゴリズムの再構成精度は比較的高く、テストセットにおける平均誤差はわずか7.36 mm（1 cm未満）であり、EASTの制御に対する精度要件を満たしている。この成果は、可視カメラ1台に基づくプラズマ境界再構成と運転の開発に貢献できる。