Exploring parameter dependencies in fusion experiments using interpretable machine learning: A case study on core electron temperature in EAST

この論文は、核融合実験装置EASTのコア電子温度に影響を与えるパラメータを、解釈可能な機械学習を用いて分析したものです。従来のブラックボックスモデルではなく、決定木や特徴量重要度などの手法を用いることで、物理的に意味のあるパラメータ依存性を明らかにしました。その結果、加熱パワーや密度が電子温度に強く影響することが確認されました。この研究は、機械学習を核融合研究に応用する際の信頼性向上に貢献します。