プラズマ診断モデルにおけるセンサの堅牢性のベンチマーキング：TokaMarkによる系統的評価

要旨

核融合トカマク装置向けのプラズマ診断モデルは、ほぼ常にクリーンで完全なセンサーデータに基づいて評価されている。しかし実際には、核融合診断装置は頻繁に故障する：データ収集システムの起動遅延、個別センサーの故障、そしてプラズマディスラプションが近づくまさにそのタイミングで信号欠損が集中する。本研究では、11,573ショットのMASTデータから成るTokaMarkデータセットを用いて、プラズマ診断機械学習に対する初の系統的なロバスト性ベンチマークを提示する。XGBoost、LSTM、Transformer、およびTokaMark CNNベースラインを、物理的に根拠のある6つの故障シナリオと3つの補完戦略にわたって評価する。標準化されたアーキテクチャ間比較のためのロバスト性スコア（RS）を導入する。中心的な知見は、ディスラプション近接時のセンサー故障（最終窓タイムステップでの破損注入）が系列モデルの性能を著しく低下させる（LSTMでNRMSEが+212%）一方、統計的特徴量モデルは比較的安定している（XGBoostで+37%）ことである。前方補完（forward-fill）による補完は、系列モデルに対するランダム欠損からの劣化をほぼ完全に除去する（LSTMで+57%から約0%へ）が、窓の末尾が破損した場合にはほとんど効果がない。真値のディスラプションタイムスタンプを用いたショットレベルの警報評価では、LSTMの警報検出が近接センサー故障時にTPR=0.00にまで低下する一方、平均値補完によってTPR=1.00に回復する。これはNRMSEで観察されたパターンとは逆である。プラズマ電流は、全アーキテクチャにわたって最も重要な単一診断項目として浮上する（除去時に+73%から+140%の悪化）。コード、データ、学習済みチェックポイントはhttps://github.com/Neerav-Gupta/tokamark-robustnessで入手可能である。

English

Plasma diagnostic models for tokamak fusion devices are almost universally evaluated on clean, complete sensor data. In practice, fusion diagnostics fail regularly: acquisition systems start late, individual sensors die, and signal dropouts cluster precisely when a plasma disruption is approaching. We present the first systematic robustness benchmark for plasma diagnostic ML using the TokaMark dataset of 11,573 MAST shots, evaluating XGBoost, LSTM, Transformer, and the TokaMark CNN baseline across six physically-grounded failure scenarios and three imputation strategies. We introduce the Robustness Score (RS) for standardized cross-architecture comparison. Our central finding is that disruption-proximate sensor failure (corruption injected in the final window timesteps) collapses sequence model performance (LSTM +212% NRMSE) while a statistical feature model remains comparatively stable (XGBoost +37%). Forward-fill imputation eliminates nearly all degradation from random dropout for sequence models (LSTM +57% to ~0%), but offers little help when the end of the window is corrupted. Shot-level alarm evaluation using ground-truth disruption timestamps reveals that LSTM alarm detection collapses to TPR=0.00 under proximate sensor failure, while mean-fill imputation recovers it to TPR=1.00, a reversal of the pattern observed in NRMSE. Plasma current emerges as the single most critical diagnostic across all architectures (+73% to +140% upon removal). Code, data, and trained checkpoints are available at https://github.com/Neerav-Gupta/tokamark-robustness.