Une équipe de recherche chinoise évalue un modèle de diagnostic de fusion à l'aide des données de décharge d'EAST

Récemment, une équipe conjointe de l'Université d'Anhui et de l'Institut de physique des plasmas de l'Académie chinoise des sciences a proposé un modèle de diagnostic de fusion nommé FusionCLIP. L'équipe de recherche a construit l'ensemble de données EAST-MMD à partir de 1307 enregistrements de décharges du tokamak expérimental supraconducteur (EAST), en appariant les vidéos en lumière visible et les signaux de diagnostic multicanaux d'une même période de décharge, pour l'entraînement et l'évaluation du modèle.

Les vidéos en lumière visible enregistrent la structure du rayonnement du plasma et ses variations spatiales, tandis que les signaux de diagnostic multicanaux enregistrent l'évolution temporelle de différentes grandeurs physiques. FusionCLIP sélectionne dans les vidéos les régions liées aux variations du plasma et conserve, lors du traitement des signaux de diagnostic, le temps d'échantillonnage d'origine de chaque variable. Le modèle, par apprentissage contrastif, associe les informations correspondant à une même période dans les deux types d'observations.

L'équipe a utilisé 667 des 1307 décharges pour le pré-entraînement, et les 640 restantes pour l'entraînement, la validation et le test des tâches en aval. Les chercheurs ont évalué respectivement la prédiction des disruptions du plasma, la classification des modes localisés en bord (ELM) et l'estimation du paramètre de performance de confinement énergétique H₉₈. Le score global de FusionCLIP sur les trois tâches est de 89,07 %, soit 6,27 points de pourcentage de plus que la meilleure solution de pré-entraînement générique comparée dans l'article, et 2,12 points de pourcentage de plus que la solution de référence également pré-entraînée sur les données d'EAST mais sans filtrage de stabilité spatio-temporelle.

Dans la tâche de prédiction des disruptions, le score F1 du modèle est de 93,88 %, avec un taux de fausses alarmes de 2,74 %. L'article divise les ensembles d'entraînement, de validation et de test selon les enregistrements de décharge, afin d'éviter que différents segments d'une même décharge n'apparaissent simultanément dans plusieurs ensembles. À ce stade, les résultats publics proviennent d'une évaluation hors ligne sur les données historiques d'EAST ; les performances inter-dispositifs et l'efficacité en fonctionnement en temps réel restent à vérifier.