A real-time disruption predictor using random forest was developed for high-density disruptions and used in the plasma control system (PCS) of the EAST tokamak for the first time. The disruption predictor via random forest (DPRF) ran in piggyback mode and was actively exploited in dedicated experiments during the 2019–2020 experimental campaign to test its real-time predictive capabilities in oncoming high-density disruptions. During dedicated experiments, the mitigation system was triggered by a preset alarm provided by DPRF and neon gas was injected into the plasma to successfully mitigate disruption damage. DPRF's average computing time of ∼250 μs is also an extremely relevant result, considering that the algorithm provides not only the probability of an impending disruption, i.e. the disruptivity, but also the so-called feature contributions, i.e. explainability estimates to interpret in real time the drivers of the disruptivity. DPRF was trained with a dataset of disruptions in which the electron density reached at least 80% of the Greenwald density limit, using the zero-dimensional signal routinely available to the EAST PCS. Through offline analysis, an optimal warning threshold on the DPRF disruptivity signal was found, which allows for a successful alarm rate of 92% and a false alarm rate of 9.9%. By analyzing the false alarm causes, we find that a fraction (∼15%) of the misclassifications are due to sudden transitions of plasma confinement from H- to L-mode, which often occur during high-density discharges in EAST. By analyzing DPRF feature contributions, it emerges that the loop voltage signal is that main cause of such false alarms: plasma signals more apt to characterize the confinement back-transition should be included to avoid false alarms.
高密度ディスラプションを対象としたランダムフォレストを用いたリアルタイムディスラプション予測器を開発し、EASTトカマクのプラズマ制御システム（PCS）に初めて導入した。ランダムフォレストによるディスラプション予測器（DPRF）はピギーバックモードで動作し、2019年から2020年の実験キャンペーン期間中、専用実験において積極的に活用され、到来する高密度ディスラプションに対するリアルタイム予測能力が試験された。専用実験中、緩和システムはDPRFが提供する事前設定アラームによってトリガーされ、ネオンガスがプラズマに注入され、ディスラプション損傷の緩和に成功した。DPRFの平均計算時間約250μsという結果も極めて重要であり、このアルゴリズムが差し迫ったディスラプションの確率、すなわちディスラプティビティだけでなく、いわゆる特徴量寄与度、すなわちディスラプティビティの要因をリアルタイムに解釈するための説明可能性推定値も提供することを考慮すると、特筆すべき結果である。DPRFは、電子密度がグリーンワルド密度限界の少なくとも80%に達したディスラプションのデータセットを用いて、EAST PCSで日常的に利用可能なゼロ次元信号を使用して訓練された。オフライン解析を通じて、DPRFのディスラプティビティ信号に対する最適な警告閾値が見出され、これにより成功率92%、誤警報率9.9%のアラームが達成された。誤警報の原因を分析したところ、誤分類の一部（約15%）は、EASTの高密度放電中にしばしば発生するプラズマ閉じ込めのHモードからLモードへの急激な遷移によるものであることが判明した。DPRFの特徴量寄与度を分析すると、ループ電圧信号がこのような誤警報の主な原因であることが明らかになった。誤警報を回避するためには、閉じ込めの逆遷移を特徴付けるのに適したプラズマ信号を含めるべきである。