The improved energy confinement mode (I-mode) is widely considered as an important operation regime for ITER. I-mode implementation depends on the specified basic plasma parameters and certain operation conditions, which are discovered by statistical plasma characteristics from a large number of I-mode discharges on a tokamak. The extraction process of I-mode plasma characteristics is complicated, time-consuming, and limited to the sampling rate of the measured signals. Experimental observation of the I-mode is accompanied by the appearance of a weakly coherent mode (WCM). However, it takes much time to accurately scan and quantify WCM characteristics when analyzing many I-mode discharges. Recently, a neural network identification method was developed as an I-mode detector to traverse a whole database as a replacement for manual identification. Two fully connected neural network models were trained with the spectrum of propagation velocity of density perturbation from Doppler backward scattering and the electron density measured by a polarimeter-interferometer system with the experimental advanced superconducting tokamak I-mode database. An accuracy of 98.30% in identifying WCMs in I-mode discharges is achieved with the WCM classification model. In addition, the regime classification model was also utilized to successfully distinguish between the low confinement mode (L-mode), I-mode, and high confinement mode (H-mode) with 96.03% accuracy. Finally, ablation experiments were performed on the regime classifiers, showing that there is potential for further performance improvement with future use of RNN model.
改善エネルギー閉じ込めモード（I-mode）は、ITERにとって重要な運転領域であると広く考えられている。I-modeの実装は、指定された基本プラズマパラメータと特定の運転条件に依存しており、これらはトカマクにおける多数のI-mode放電からの統計的プラズマ特性によって発見される。I-modeプラズマ特性の抽出プロセスは複雑で時間がかかり、測定信号のサンプリングレートに制限される。I-modeの実験的観測には、弱いコヒーレントモード（WCM）の出現が伴う。しかし、多くのI-mode放電を解析する際にWCM特性を正確にスキャンして定量化するには多くの時間を要する。最近、手動識別の代替としてデータベース全体を走査するI-mode検出器として、ニューラルネットワーク識別法が開発された。2つの全結合ニューラルネットワークモデルは、実験的先进超伝導トカマクのI-modeデータベースを用いて、ドップラー後方散乱による密度摂動の伝播速度スペクトルと、ポラリメータ-干渉計システムにより測定された電子密度を用いて訓練された。WCM分類モデルにより、I-mode放電におけるWCMの識別で98.30%の精度が達成された。さらに、領域分類モデルも用いて、低閉じ込めモード（L-mode）、I-mode、高閉じ込めモード（H-mode）を96.03%の精度で正常に区別することに成功した。最後に、領域分類器に対してアブレーション実験が行われ、将来RNNモデルを使用することでさらなる性能向上の可能性があることが示された。