X-ray tomography is a precious tool in tokamaks that provides rich information about the core plasma, such as local impurity concentration, electron temperature and density as well as magnetic equilibrium (ME) and magnetohydrodynamic activity. Nevertheless, inferring the local plasma emissivity from a sparse set of line-integrated measurements is an ill-posed problem that requires dedicated regularization and validation methods. Besides, speeding up the inversion algorithm in order to be compatible with real-time control systems is a challenging task with traditional approaches. In this contribution, in a first part we introduce tools aiming at validating and speeding up the x-ray tomographic inversions based on Tikhonov regularization, including ME constraint and parameter optimization, taking the WEST geometry as an example. In a second part, an alternative approach compatible with real-time, based on a set of neural networks is proposed and compared with the Tikhonov approach for an experimental case.
X線トモグラフィーはトカマクにおいて貴重なツールであり、局所的不純物濃度、電子温度・密度、ならびに磁気平衡（ME）や磁気流体力学活動など、コアプラズマに関する豊富な情報を提供する。それにもかかわらず、疎な線積分計測値から局所的なプラズマ発光率を推定することは不良設定問題であり、専用の正則化および検証手法を必要とする。さらに、逆変換アルゴリズムを高速化してリアルタイム制御システムと互換性を持たせることは、従来の手法では困難な課題である。本稿では、最初の部分で、WEST形状を例として、ME制約とパラメータ最適化を含むTikhonov正則化に基づくX線トモグラフィ逆変換を検証し高速化することを目的としたツールを紹介する。第二部では、リアルタイム互換の代替アプローチとして、一連のニューラルネットワークに基づく手法を提案し、実験ケースについてTikhonovアプローチと比較する。