Controlling the Tokamak operation requires real time equilibrium reconstruction obtaining solution of Grad-Shafranov (GS) equation. The most commonly used algorithm to solve GS equation is real-time (rt) EFIT, however, rt-EFIT is simplified method based on off-line EFIT for computation in a short time. Thus, for applying off-line EFIT in real time, neural network trained with off-line EFIT results can return the poloidal magnetic flux with quality of off-line EFIT. For achieving error robustness, neural network has two hidden layers and produces reliable results even 20% of input error. As magnetic signal suffers from drift in time, pre-processed magnetic measurements corrected with Bayesian real- time correction method are used as input of neural network. In addition, compensating missing input situation, Gaussian process and Bayesian inference for inferring the values of missing inputs are presented. Bayesian inference’s likelihood is modelled as Maxwell’s equation, i.e., Ampere‘s law and Gauss’s law for magnetism.
토카막 운전은 Grad-Shafranov equation해를 구하는 것인 실시간 평형 재구성을 필요로 하며 주로 쓰이는 알고리즘은 real-time (rt) EFIT이다. 그러나 rt-EFIT은 실시간 내 계산을 위해 off-line EFIT를 간략화한 수단이다. 따라서 off-line EFIT의 실시간 적용을 위해 다중 인풋 다중 아웃풋의 맵핑이 가능한 인공신경 망을 off-line EFIT 결과로 훈련, off-line EFIT의 퀄리티를 가지면서 실시간 계산이 가능한 인공신경망을 만들었다. 이 인공신경망은 에러 견고성을 위해 2개의 은닉층을 가지며 심지어 20% 인풋 에러에도 합리적인 결과를 출력한다. 인풋으로는 자기진단장치 계측값을 사용하였으며 자기진단장치의 고유 오차 중 하나인 신호의 drift를 베이지안 추론을 이용하여 실시간 수정을 하였다. 뿐만아니라 분실 인풋 경우를 보완하기 위해 가우시안 프로세스와 베이지안 추론을 도입하여 분실 인풋을 예측하는 방법론을 소개한다. 베이지안 추론의 가능도는 맥스웰 방정식, 즉 앙페르 법칙과 가우스 자기 법칙을 따라 모델링 되었다.
