AbstractIn the FFX (reversed field experiment), one of the most important reversed field pinch (RFP) devices in the fusion community, wall locked modes have always been present. Recently, a new technique has demonstrated the possibility of inducing a continuous rotation of the modes with respect to the wall. The non-linear coupling of the m=0 and m=1 modes has been used to decouple the modes themselves, and the mode rotation has been induced by means of a pre-programmed waveform of a toroidal magnetic field rotating ripple. Consequently, a feedback system for detecting the locked mode position along the toroidal co-ordinate and able to create a continuous rotation with variable speed has been envisaged. Neural networks (NNs) represent a promising approach for rapid detection of the locked mode angular position in such a system, and in this paper the performances of different NNs trained to identify the locked mode position are compared and discussed. In particular, their robustness to noise is analyzed, and it is shown that NNs provide reliable results, sometimes better than those computed with fourier analysis.
FFX（逆転磁場ピンチ実験）は、核融合コミュニティにおいて最も重要な逆転磁場ピンチ（RFP）装置の1つであり、その中には常に壁結合モードが存在してきた。近年、壁に対するモードの連続回転を誘起する可能性を実証した新しい技術が登場した。m=0モードとm=1モードの非線形結合は、モード自体の結合を分離するために利用され、モード回転はトロイダル磁場の回転リップルのプリプログラム波形によって誘起された。その結果、トロイダル座標に沿ったロックモード位置を検出し、可変速度の連続回転を生成できるフィードバックシステムが構想された。ニューラルネットワーク（NN）は、このようなシステムにおけるロックモードの角度位置の迅速な検出に有望なアプローチであり、本論文では、ロックモード位置を特定するために学習された異なるNNの性能を比較・検討する。特に、ノイズに対するそれらのロバスト性を分析し、NNがフーリエ解析で計算されたものよりも優れた信頼性の高い結果を提供することを示す。