聚变诊断模型遇上传感器失效：TokaMark 鲁棒性基准揭示关键短板

导语

在托卡马克聚变装置中，机器学习模型常被用于等离子体诊断和破裂预警。但一个长期存在的问题是：很多模型主要在完整、干净的传感器数据上评估，而真实装置中的传感器并不总是可靠。采集系统可能启动过晚，单个诊断通道可能失效，信号掉线还可能集中发生在等离子体即将破裂的关键阶段。

这篇论文围绕 TokaMark 数据集构建了一个面向等离子体诊断模型的系统鲁棒性评测。研究使用 11,573 次 MAST 托卡马克放电数据，对 XGBoost、LSTM、Transformer 以及 TokaMark CNN 基线进行比较，覆盖六种具有物理背景的传感器故障场景，并测试三类数据补全策略。

核心要点

• 评测对象不再只是“干净数据精度”：作者提出 Robustness Score（RS），用于在不同模型架构之间标准化比较故障条件下的表现，让鲁棒性成为诊断模型评估的一等指标。
• 临近破裂的传感器故障最危险：当污染被注入时间窗口末端，也就是更接近破裂发生的阶段时，序列模型性能明显崩塌。摘要中给出的结果显示，LSTM 的 NRMSE 上升 212%，而 XGBoost 上升 37%，后者相对稳定。
• 补全方法不是万能药：前向填充几乎可以消除随机掉线对序列模型造成的退化，例如 LSTM 从 +57% 降至接近 0%。但当窗口末端被损坏时，前向填充帮助有限。
• 指标之间可能出现反直觉差异：在基于真实破裂时间戳的放电级报警评估中，LSTM 在临近故障下的 TPR 降至 0.00；但均值填充可将其恢复到 TPR=1.00。这与 NRMSE 指标下观察到的模式并不一致，提示单一误差指标不足以描述实际预警能力。
• 等离子体电流是最关键通道：移除该诊断信号会让不同架构的性能退化 73% 到 140%，显示它在当前模型中的核心地位。

意义与影响

这项研究的价值不在于提出一个更大的模型，而在于把聚变 AI 的评测场景拉回现实。商业聚变反应堆如果要依赖机器学习进行安全诊断，模型必须能面对不完整、延迟和关键时刻失真的传感器输入。尤其是临近破裂的故障场景，正是预警系统最需要可靠工作的时刻。

论文也提醒研究者，序列模型并不天然更鲁棒。它们可以利用时间依赖关系，但也可能过度依赖窗口末端的最新信号；而统计特征模型在某些故障条件下反而更稳。未来的等离子体诊断评测，可能需要同时报告干净数据精度、故障鲁棒性、补全策略效果和放电级报警表现，而不是只看一个回归误差。

作者已开放代码、数据和训练检查点，这有助于其他团队复现实验并扩展到更多装置或故障模式。对于 AI for Science 社区而言，TokaMark 鲁棒性基准提供了一个清晰信号：科学机器学习不仅要追求高分，还要经得起传感器现实世界的考验。

来源：Hugging Face Daily Papers