Аннотация:
Модели машинного обучения широко внедряются в системы контроля и управления, необходимые для повышения эффективности работы токамака. Для обучения моделей требуется использовать большое количество данных, но в связи с тем, что экспериментальные кампании на токамаке продолжительны во времени, сбор данных ограничен. При этом, во время отбора количество пригодных для обучения данных может еще сократиться в связи с выявлением среди них некорректных (ошибочных) сигналов диагностик. А во время введения в полноценную эксплуатацию нового токамака или отдельного оборудования, частота появления ошибочных сигналов возрастает. В рамках данной работы, мы предлагаем изучить возможность восстановления полученных сигналов с ошибками с помощью моделей машинного обучения. В частности, мы рассматриваем сигналы, полученные при превышении диапазона работы измерительного прибора. За счет восстановленных сигналов предлагается увеличить объем данных для обучения, и тем самым повысить эффективность обучения конечных моделей.
Ключевые слова:
токамак, электронная плотность плазмы, интерферометрия, искусственные нейронные сети, восстановление сигнала.