Alfvén eigenmodes (AEs) are an important and complex class of plasma dynamics commonly observed in tokamaks and other plasma devices. In this work, we manually labeled a small database of 26 discharges from the DIII-D tokamak in order to train simple neural-network-based models for classifying AEs. The models provide spatiotemporally local identification of four types of AEs by using an array of 40 electron cyclotron emission (ECE) signals as inputs. Despite the minimal dataset, this strategy performs well at spatiotemporally localized classification of AEs, indicating future opportunities for more sophisticated models and incorporation into real-time control strategies. The trained model is then used to generate spatiotemporally-resolved labels for each of the 40 ECE measurements on a much larger database of 1112 DIII-D discharges. This large set of precision labels can be used in future studies for advanced deep predictors and new physical insights.
アルヴェン固有モード（AE）は、トカマクや他のプラズマ装置で一般的に観測される、重要かつ複雑なクラスのプラズマ力学である。本研究では、AEを分類するための単純なニューラルネットワークベースのモデルを訓練するために、DIII-Dトカマクからの26回の放電からなる小規模なデータベースに手動でラベルを付与した。このモデルは、40個の電子サイクロトロン放射（ECE）信号のアレイを入力として使用することにより、4種類のAEの時空間的局所同定を提供する。最小限のデータセットにもかかわらず、この戦略はAEの時空間的局所分類において良好に機能し、より洗練されたモデルやリアルタイム制御戦略への組み込みのための将来の機会を示唆している。次に、訓練されたモデルを使用して、1112回のDIII-D放電からなるはるかに大規模なデータベース上の40個のECE測定値の各々について、時空間分解ラベルを生成する。この大規模な精密ラベルのセットは、高度なディープ予測子や新たな物理的洞察のための将来の研究に使用することができる。