The Imaging Neutral Particle Analyzer (INPA) at DIII-D is a diagnostic system used to accurately resolve the energy and spatial distributions of fast ions in fusion plasmas. A novel artificial intelligence (AI) technique named INPA-net is based on Reservoir Computing Networks and developed here to predict active and passive signals produced by charge-exchange reactions from injected and edge-cold neutrals, respectively, in magnetically confined fusion plasmas. This model is trained using a set of 21 time domain signals between 0 s to 3.35 s that includes injected beam and thermal plasma information, and 6444 real 2D experimental images of the INPA in 12 plasma discharges at DIII-D. The trained neural network is able to forecast experimental images in real-time. The model achieves an R-squared value of 0.91, which is higher than the 0.83 value achieved by a simple linear regression model. This improvement highlights the model's enhanced predictive accuracy for measured images from the validation set. This AI approach is valuable due to its rapid response times and potential for integration into real-time plasma control systems. A version of this model capable of generating syntehic images would be useful for the real-time monitoring of fast-ion transport. A comprehensive sensitivity study reveals that INPA-net maintains high performance even with variations in the input parameters, indicating the model's robustness and reliability. While developed for the INPA, the underlying architecture is adaptable and may be applied to various 2D imaging diagnostics in fusion research.
DIII-Dにおけるイメージング中性粒子分析器（INPA）は、核融合プラズマ中の高速イオンのエネルギー分布と空間分布を正確に分解するために使用される診断システムである。INPA-netと名付けられた新しい人工知能（AI）技術は、リザーバーコンピューティングネットワークに基づいており、磁場閉じ込め核融合プラズマにおいて、それぞれ入射中性粒子と周辺低温中性粒子からの荷電交換反応によって生成される能動的信号と受動的信号を予測するためにここで開発された。このモデルは、入射ビームと熱プラズマ情報を含む0秒から3.35秒の間の21個の時間領域信号のセットと、DIII-Dにおける12回のプラズマ放電でのINPAの6444枚の実2次元実験画像を用いて訓練される。訓練されたニューラルネットワークは、実験画像をリアルタイムで予測することができる。このモデルは0.91のR二乗値を達成し、これは単純線形回帰モデルによって達成された0.83の値よりも高い。この改善は、検証セットからの測定画像に対するモデルの予測精度の向上を示している。このAIアプローチは、その高速応答時間とリアルタイムプラズマ制御システムへの統合の可能性により価値がある。合成画像を生成できるこのモデルのバージョンは、高速イオン輸送のリアルタイム監視に有用であろう。包括的な感度研究により、INPA-netは入力パラメータの変動があっても高い性能を維持することが明らかになり、モデルの頑健性と信頼性が示されている。INPAのために開発されたが、基盤となるアーキテクチャは適応可能であり、核融合研究における様々な2次元イメージング診断に適用される可能性がある。