We first propose an accurate and robust vertical instability predictor by using a support vector machine (SVM), one of the machine learning methods. The predictor is trained to detect precursor oscillation by using newly introduced classification parameters to measure the equilibrium controller performance, which is obtained by the adaptive voltage allocation scheme (Inoue et al 2021 Nuclear Fusion61 096009). Furthermore, multi-layered preprocessing filters are newly introduced for the SVM training/prediction, which improves the prediction accuracy under highly imbalanced conditions, where disruptive data while non-disruptive data. The classification parameters can be calculated only by the current centroid, which suggests that the proposed predictor is robust against the extrapolation for the experiment and will be validated in JT-60SA experiments.
我々はまず、機械学習手法の一つであるサポートベクターマシン（SVM）を用いた、正確でロバストな垂直不安定性予測器を提案する。この予測器は、適応電圧配分方式（Inoue et al 2021 Nuclear Fusion61 096009）によって得られる平衡制御器性能を測定するための新たに導入された分類パラメータを用いて、前駆振動を検出するように訓練される。さらに、SVMの訓練/予測のために多層前処理フィルタが新たに導入され、これにより破壊的データと非破壊的データが存在する高度に不均衡な条件下での予測精度が向上する。分類パラメータは電流重心のみから計算可能であり、これは提案する予測器が実験に対する外挿に対してロバストであることを示唆しており、JT-60SA実験で検証される予定である。