An important goal of Wendelstein 7-X, the most advanced operating fusion experiment of the stellarator line, is to demonstrate the ability of stellarators to perform steady-state discharges. In this respect, the monitoring and control of the heat loads on the plasma facing components, especially of the strike-lines in the ten island divertors, will be critical during next operation phase OP2. In this paper, it is shown that deep convolutional neural networks are able to learn the relationship between the heat-flux images, obtained by the analysis of thermographic data, and the applied control coil currents in standard magnetic configuration experiments. This study is carried out in view of understanding and modeling the relationship between the heat-flux distribution in the divertor strike-lines and the actuators influencing them.
Wendelstein 7-X（ステラレーター系統で最も先進的な運転中の核融合実験装置）の重要な目標は、ステラレーターが定常運転放電を行う能力を実証することである。この点に関して、次期運転フェーズOP2では、プラズマ対向機器への熱負荷、特に10個のアイランド・ダイバータにおけるストライク線の監視と制御が極めて重要となる。本論文では、深層畳み込みニューラルネットワークが、熱画像データの解析によって得られた熱流束画像と、標準的な磁気配位実験における印加制御コイル電流との間の関係を学習できることを示す。この研究は、ダイバータのストライク線における熱流束分布と、それに影響を与えるアクチュエータとの間の関係を理解し、モデル化することを目的として実施される。