Notwithstanding the efforts exerted over many years, disruptions remain a major impediment on the route to a magnetic confinement reactor of the tokamak type. Machine learning predictors, relying on adaptive strategies, have recently proved to achieve very good performance. Even if their last generation implement a 'from scratch' approach to learning, i.e. they can start predicting after the first example of each class (safe and disruptive), it would be extremely useful to profit from the experience of previous devices, when new machines come on online, to reduce excessive errors at the beginning of the learning process. In this paper, adaptive predictors, based on ensemble classifiers, have been operated on a series of AUG campaigns and then they have been deployed on several JET campaigns with the ILW, all together covering more than order of magnitude in plasma current. The criteria to normalise the signals and to translate the parameters of the predictors from one device to the other are discussed in detail. With regard to mitigation, the overall performance, both in terms of success rate and false alarms, are quite positive (98% success rate and only 1.9% false alarm rate). Encouraging results have also been obtained for prevention (94.2% success rate and only 7.7% false alarm rate), by providing as inputs to the classifiers appropriate profile indicators. Even if they require significant refinements, adaptive predictors, capable of capitalising on the experience of smaller devices, have therefore become a serious candidate for deployment in the next generation of machines.
長年にわたって払われてきた努力にもかかわらず、ディスラプション（プラズマ崩壊）はトカマク型磁気閉じ込め核融合炉への道のりにおける主要な障害であり続けている。適応戦略に依存する機械学習予測器は、近年非常に優れた性能を達成することが実証されている。たとえ最新世代の予測器がゼロからの学習アプローチを実装している、すなわち各クラス（安全およびディスラプション）の最初の例の後に予測を開始できるとしても、新しい装置がオンラインになる際に、以前の装置の経験を活用して学習プロセスの初期における過剰な誤差を低減することは極めて有用であろう。本論文では、アンサンブル分類器に基づく適応予測器が一連のAUGキャンペーンで運用され、その後、複数のJET（ILW使用）キャンペーンに展開された。これらを合わせると、プラズマ電流の桁にして1桁以上をカバーしている。信号を正規化し、予測器のパラメータを一方の装置から他方の装置へ変換するための基準について詳述する。ディスラプションの緩和に関しては、成功率と誤警報率の両方の観点から、その性能は極めて良好である（成功率98%、誤警報率わずか1.9%）。また、予測器への入力として適切なプロファイル指標を提供することにより、ディスラプションの防止に関しても有望な結果が得られている（成功率94.2%、誤警報率わずか7.7%）。たとえ大幅な改良を必要とするとしても、より小型の装置での経験を活用できる適応予測器は、したがって、次世代装置における有力な候補となっている。