Plasma disruption is a significant challenge in tokamak fusion, especially in large-size future devices like ITER, where it causes severe damage. Safeguarding future tokamaks throughout their entire lifecycle demands a disruption prediction strategy that addresses the sequential challenges from initial data scarcity to evolving discharge scenarios. This article combines three different disruption prediction methods with a strategy that maximizes the protection from the beginning of a new device to later high performance operation phase. First, for the early phase with no disruption data from the new device, we design anomaly detection-based disruption predictors that require only non-disruption samples for training, enabling protection from the first discharge. Second, to maintain the model’s performance as discharge scenarios evolve, we explore adaptive disruption prediction strategies that allow the model to continuously self-update and track evolving plasma operation scenarios. Finally, to quantify and manage the cumulative impact of disruptions on device integrity, we introduce the operation management based on disruption budget consumption (DBC) framework. The integration of DBC with adaptive prediction shifts the system’s objective from mere event forecasting to proactive risk-aware operation, by accumulating more data when the DBC of discharge is low and prediction is not accuracy enough, and utilizing the data to train better predictor adaptively for high DBC discharge. Together, these components form a comprehensive methodology, enabling resilient disruption prediction that is essential for the safe and sustainable operation of future tokamaks.
プラズマディスラプションはトカマク核融合における重要な課題であり、特にITERのような大型の将来装置では深刻な損傷を引き起こす。将来のトカマクをその全ライフサイクルにわたって保護するには、初期のデータ不足から進化する放電シナリオに至るまでの一連の課題に対処するディスラプション予測戦略が必要である。本稿では、新規装置の開始時から後の高性能運転段階までの保護を最大化する戦略とともに、3つの異なるディスラプション予測手法を組み合わせる。第一に、新規装置からのディスラプションデータが存在しない初期段階に対しては、訓練に非ディスラプションサンプルのみを必要とする異常検知ベースのディスラプション予測器を設計し、最初の放電から保護を可能にする。第二に、放電シナリオの進化に伴ってモデルの性能を維持するため、モデルが継続的に自己更新し、進化するプラズマ運転シナリオを追跡できる適応的ディスラプション予測戦略を探求する。最後に、ディスラプションが装置の完全性に及ぼす累積的な影響を定量化し管理するために、ディスラプションバジェット消費（DBC）に基づく運転管理フレームワークを導入する。DBCと適応的予測の統合は、放電のDBCが低く予測精度が十分でない場合により多くのデータを蓄積し、そのデータを利用して高いDBCの放電に対して適応的により良い予測器を訓練することで、システムの目的を単なる事象予測からプロアクティブなリスク認識運転へと転換する。これらの構成要素は一体となって包括的な方法論を形成し、将来のトカマクの安全で持続可能な運転に不可欠なレジリエントなディスラプション予測を可能にする。