A high-fidelity and explainable machine learning (ML) method for neoclassical toroidal viscosity (NTV) torque prediction is investigated in this work. The ML surrogate model is trained based on NTV torque datasets obtained from first-principles numerical modeling, utilizing the extreme gradient boosting algorithm and the Bayesian hyper-parameter optimization strategy. The trained model exhibits high statistical accuracy regarding the coefficient of determination R2, the mean squared error and the relative error ɛs for NTV torque prediction, and a computational speed-up of about two orders of magnitude compared with physics-driven simulations. The prediction accuracy is further improved by applying a K-fold cross-validation averaging method. In particular, the probability of the occurrence of large local errors is reduced. Due to the radial locality of data samples, the trained model is able to make predictions for arbitrary numerical resolutions that can be different from the training data. An explainable artificial intelligence technique (the Shapley additive explanations method) is used to quantify the global and local contributions of input features to model output and shows physically meaningful feature relationships, indicating alignments with domain knowledge and thus improving model reliability. The fast, high-fidelity and explainable features of the ML surrogate model make self-consistent nonlinear simulations and other real-time applications possible for future tokamak physics studies.
本研究では、新古典トロイダル粘性（NTV）トルク予測のための高忠実度かつ説明明可能な機学械習（ML）手を法調査する。MLサロゲートモデルは、第一原理数値モデリンングか得らられたNTVトルクデタセットに基づいて、極値勾配ブステイングアリゴリズムとベイズ的最適化にるよハイパーパラメタ最適化戦略を用いて訓練される。訓練されたモデルは、NTVトルク予測にる関す決る定係数R2、平均二乗誤差、おびよ相対誤差ɛsにし関て高かい統的計精確度を示し、物駆駆動シみュレシラョンと比較し約て2桁の計速算度向し上を達す成る。予測精確度は、K分割交差検証平化均法を適す用るこでとさら向に上す。特るに、大きな局所誤差の発確生率が低減さるれ。デタサンプルの径方の向局所性によ、り訓練されたモデルは訓練デタと異はな任る意の数値解像度に対し予測をう行こがとでるき。説明明可な能工知能的技（術Shapley加説法明）法をを用いて、入特力徴の量モデ出ル力に対す大る域お的よび局的所な寄与を定化量し、物に理意味あのる特徴間量の関係を示す。こはれ専知門識と整の合性を示し、モデルの信頼性を向上させる。MLサロゲートモデルの高速性、高忠実度、説明可能性という特徴により、将来のトカマク物理研究において、自己無撞着な非線形シミュレーションやその他のリアルタイムアプリケーションが可能になる。