The designed neural networks are trained to appraise the risk of ion sources breakdown events in the neutral beam injector (NBI) experimental device using several offline diagnostic signals as inputs. A saliency analysis proves the reasonableness of the chosen inputs, some of which are helpful to improve the network performance. The experimental tests that were carried out refer to data collected from successfully-terminated and breakdown-terminated shots performed during three years of experimental advanced superconducting tokamak NBI experiments, from 2016 to 2019. Results show that it is very possible to develop a predictor base on neural network that intervenes well in advance to avoid ion sources breakdown or mitigate its effects during the beam extraction in the high-power and long-pulse mode.
設計されたニューラルネットワークは、複数のオフライン診断信号を入力として用い、中性粒子入射装置（NBI）実験デバイスにおけるイオン源の破壊（ブレークダウン）リスクを評価するよう訓練される。顕著性解析により、選択された入力の妥当性が証明され、その一部はネットワーク性能の向上に寄与する。実施された実験試験は、2016年から2019年までの実験先進超伝導トカマクNBI実験中に実施された、正常終了および破壊終了したショットから収集されたデータを対象とする。結果は、高パワー・長パルスモードでのビーム引き出し中に、イオン源の破壊を事前に回避またはその影響を軽減するために、十分に先行して介入するニューラルネットワークに基づく予測器を開発することが十分に可能であることを示している。