A neural network, BES-ELMnet, predicting a quasi-periodic disruptive eruption of the plasma energy and particles known as edge localized mode (ELM) onset is developed with observed pedestal turbulence from the beam emission spectroscopy system in DIII-D. BES-ELMnet has convolutional and fully-connected layers, taking two-dimensional plasma fluctuations with a temporal window of size 128 µs and generating a scalar output which can be interpreted as a probability of the upcoming ELM onset. As approximately labeled inter-ELM broadband () fluctuations are given to the network, BES-ELMnet learns by itself ELM-related precursors arising before the onsets through supervised learning scheme. BES-ELMnet achieves the gradually increasing ELM onset probabilities between two consecutive ELMs during the inter-ELM phases and can forecast the first ELM onsets which occur after the high confinement mode transition. We further investigate the network generality in terms of the selected frequency band to ensure the use of BES-ELMnet for various operation regimes without changing the trained architecture. Therefore, our novel prediction method will enhance a proactive high confinement mode control of fusion-grade plasmas.
DIII-Dのビーム発光分光システムから観測されたペデスタル乱流を用いて、エッジ局在モード（ELM） onsetとして知られるプラズマエネルギーと粒子の準周期的な破壊的噴出を予測するニューラルネットワーク、BES-ELMnetを開発した。BES-ELMnetは、畳み込み層と全結合層を持ち、時間窓サイズ128 µsの2次元プラズマ揺らぎを入力として、今後のELM onsetの確率として解釈できるスカラー出力を生成する。おおよそラベル付けされたinter-ELM広帯域()揺らぎがネットワークに与えられると、BES-ELMnetは教師あり学習方式により、onsetの前に現れるELM関連前駆現象を自ら学習する。BES-ELMnetは、inter-ELMフェーズ中に連続する2つのELMの間でELM onset確率が徐々に増加することを達成し、高閉じ込めモード遷移後に発生する最初のELM onsetを予測できる。さらに、選択した周波数帯域に関してネットワークの汎用性を調査し、訓練済みアーキテクチャを変更することなくBES-ELMnetを様々な運転領領域で使用できることを確認する。したがって、我々の新し予測手法は、核融合グレードプラズマのプロアクティブな高閉じ込めモード制御を強化するだろう。