技術要約：フュージョン・エクイリブリアム・チャレンジ（Fusion Equilibrium Challenge）

問題定義

本論文は、次世代の磁場閉じ込め核融合炉（SPARC、ARC、CFETRなど）における極めて重要な運用のボトルネックに対処している。これらの装置は、過酷な中性子環境下で動作するため、従来の磁気センサ（ミルンコイル、ピックアップループ、ローグロフスキーコイル）は、放射線誘起電磁誘導力や導電率の変化、および構造物の核変換による深刻な劣化に直面する。その結果、磁束ループやピックアップコイルのデータに大きく依存しているEFITのようなコードを用いた標準的な平衡再構成手法（Grad–Shafranov解）は、実行不可能となる。

核心となる課題は、逆問題である。すなわち、非磁気診断のみを用いて、二次元ポロイダル磁束関数 $\psi(R, Z)$ および主要なスカラー平衡パラメータを再構成することである。具体的には、以下の情報から平衡状態を推論することが求められる：

1. 外部ポロイダル磁場コイル電流。
2. トムソン散乱による電子温度（$T_e$）および電子密度（$n_e$）のプロファイル。

このタスクは、クロスマシン（装置間）の汎用性の必要性によって複雑化している。解決策は、学習装置（D型形状の常設トカマクであるDIII-D）だけでなく、トポロジーが大きく異なる装置（キドニービーン型のプラズマプロファイルと中空のセントラルカラムを持つ球状トカマクであるMAST）に対しても、「ゼロショット」で転移できなければならない。単純なコイル・マッピングによる転移は、ここでは壊滅的に失敗する。

手法およびデータ・インフラストラクチャ

データセットとキュレーション

主催者は、融合平衡再構成のための、初のオープンアクセスかつ調和されたマルチマシン・ベンチマークを公開した。

• ソース: データは、DIII-D国立核融合施設（General Atomics）およびMAST（Culpam Centre for Fusion Energy）から抽出されている。
• 規模: データセットには、9,113件のDIII-Dショットおよび2,416件のMASTショットが含まれる（トムソン診断の可用性とEFIT再構成の品質でフィルタリング済み）。
• フォーマット: データは、ネストされたNumPy配列を含む単一行のParquetファイルとして保存されている。各ショットには以下が含まれる：
  • ターゲット: 各ショットあたり約313（DIII-D）または約77（MAST）のタイムステップにおけるEFIT磁束マップ（$\psi$）。
  • 入力: コイル電流（DIII-Dは18本のFコイル + ECOILA、MASTは10本のPコイル + ソレノイド）、トムソン散乱プロファイル（コアおよびエッジ）、および装置固有の幾何学情報（コイル位置、コード位置）。
  • 制約: 磁気トポロジーによって最終閉鎖磁束面（LCFS）が定義されるよう、**ダイバート（除流）**されたプラズマのタイムスライスのみが含まれている。
• ツール: 磁束マップ、コイル電流、およびトムソンプロファイルをインタラクティブに可視化するためのクロスプラットフォーム・デスクトップアプリケーション、Data Fusion Labeler (dFL) が提供されている。

評価指標

スコアリングシステムは、スカラーのみの予測による「ゲーミング（不正操作）」を防ぐように設計されている。参加者は、磁束マップ $\hat{\psi}$ と、$\psi$ だけからは導出できない2つのスカラー（$q_{95}$ および $\beta_N$）を提出する。その他のすべての指標は、提出された磁束マップに対し、グラウンドトゥルース（真値）に対して適用されたものと同じ関数を用いてスコアラーによって算出される。

合成イントラマシン・スコア（$S_{model}$）は、以下の4つの項の加重和である：

1. 磁束再構成精度 ($R^2_\psi$): $(R, Z)$ グリッド上の決定係数（重み: 0.55）。
2. 予測スカラー忠実度 ($R^2_{q95, \beta_N}$): 提出された $q_{95}$ および $\beta_N$ の精度（重み: 0.15）。
3. LCFS整合性 ($D_{LCFS}$): 真のLCFS輪郭と予測されたLCFS輪郭の間の正規化された対称ハウスドルフ距離（重み: 0.10）。
4. 磁束マップの一貫性: 提出された磁束から計算された7つの派生幾何学的スカラー（磁気軸、伸長度、三角形、体積、内部インダクタンス）の、グラウンドトゥルースとの一致度（重み: 0.20）。

二次的な指標である**汎用性比（$G_{ratio}$）**は、モデルをMASTにゼロショット適用した際に、DIII-Dの性能がどの程度保持されるかを測定する。

ベースライン

性能の底辺を確立するために、4つの参照ベースラインが提供されている：

1. PCA + Ridge: 磁束マップのPCA係数へのコイル電流の線形写像。
2. PCA + 勾配ブースティング決定木: 非線形なコイル結合を捕捉。
3. PCAターゲットに対するMLP: PCA係数を予測する3層の全結合ネットワーク。
4. 畳み込みデコーダ: 入力を65x65の磁束グリッドにマッピングするエンコーダ・デコーダ・アーキテクチャ。

主要な貢献

1. 初のオープン・マルチマシン・ベンチマーク: 本論文は、トカマクの平衡再構成を、閉鎖的な機関のタスクから、標準化されたオープンサイエンスのベンチマークへと移行させ、11,000ショットを超える精緻なデータセットを公開した。
2. 斬新なチャレンジ設計:
   • 非磁気的推論: 磁気信号を明示的に排除することで、モデルに対し、運動論的データとコイルデータのみからGrad–Shafranov方程式の物理を学習することを強制する。
   • トポロジー的に異なる転移: DIII-D（D型）からMAST（球状/キドニービーン型）への転移は、単純なコイル・マッピング転移が失敗する（SSIMが0.83から0.10へ低下）ことから、装置に依存しない学習に対する厳格なストレス・テストとして機能する。
   • 一貫性に基づくスコアリング: すべての幾何学的パラメータを提出された磁束マップから派生させることで、モデルが物理的な磁束面とは無関係にスカラーを独立して予測して高スコアを得ることを防いでいる。
3. リアクター対応のパイプライン: 本チャレンジは、磁気診断が信頼できなくなる将来の原子炉クラスの装置において、主要な平衡推論パイプラインを開発するための直接的な経路として位置づけられている。

結果と主張

本論文は勝利するソリューションを提示するものではなく、NeurIPSコンペティションのためのフレームワークとベースラインを確立するものである。

• ベースラインの性能: 線形近似である PCA + Ridge ベースラインは、0.1秒未満で小規模なデモセットに対して0.84のSSIMを達成しており、線形近似がかなりの分散を捉えられることを示唆している。しかし、単純なコイル・マッピング転移ベースラインはMASTにおいて崩壊し（SSIM $\approx$ 0.10）、クロスマシン汎用性の難しさを示している。
• 実現可能性: 主催者は、このチャレンジが解決可能であると主張している。理由は、「計算負荷の低い」ベースライン（Ridgeや小型CNN）は単一のGPU/CPUで2時間以内に学習できるためであり、幅広い参加者がアクセス可能であることを示している。
• 科学的目標: 本チャレンジの目的は、機械学習が、デバイス固有のエンジニアリングの詳細を超えて、根本的な物理を捉え、磁気診断の消失を生き残る「普遍的なプラズマ平衡の表現」を学習できるかどうかを判断することにある。

重要性

本論文は、このチャレンジをリアクター対応の平衡推論への極めて重要なステップとして位置づけている。その重要性は以下の3点にある：

1. 運用の回復力: 現在の装置において磁気センサが故障した際のバックアップ推定器として、また、磁気センサが生存できない将来の原子炉における主要な推論パスとして。
2. 物理の発見: 学習されたモデルが、特定の装置の幾何学的な詳細にオーバーフィットするのではなく、Grad–Shafranov方程式の普遍的な物理を捉えられるかどうかを検証すること。
3. コミュニティの構築: 標準化されたオープンなプラットフォームを提供することで、科学的機械学習（物理情報に基づくネットワーク、ニューラルオペレータなど）の核融合エネルギー研究への統合を加速させ、融合MLサブコミュニティとより広い科学的MLコミュニティの架け橋となること。

このチャレンジは、明示的に研究のためのベンチマークとして構成されており、再現性、不確実性の定量化、および倫理的遵守に重点を置いている。