Diag2Diag: Multi modal super resolution for physics discovery with application to fusion

要約

この論文では、システム内の診断間の相関関係を革新的に活用する、解像度向上のために設計された画期的なマルチモーダル ニューラル ネットワーク モデルを紹介します。
従来のアプローチは主に、ピクセルベースの画像強調やヒューリスティック信号補間などの単峰性強調戦略に焦点を当ててきました。
対照的に、私たちのモデルは、核融合プラズマの物理学内の診断関係を利用することにより、新しい方法論を採用しています。
最初に、トカマク内の診断間の相関関係を確立します。
その後、これらの相関関係を利用して、プラズマ密度と温度を評価するトムソン散乱診断の時間分解能を大幅に向上させます。
解像度を従来の 200Hz から 500kHz に高めることで、これまでは計算負荷の高いシミュレーションによってのみ達成できた、プラズマの挙動に対する新たなレベルの洞察が容易になります。
この機能強化は単純な補間を超え、プラズマダイナミクスを支配する根本的な物理現象に対する新しい視点を提供します。

要約(オリジナル)

This paper introduces a groundbreaking multi-modal neural network model designed for resolution enhancement, which innovatively leverages inter-diagnostic correlations within a system. Traditional approaches have primarily focused on uni-modal enhancement strategies, such as pixel-based image enhancement or heuristic signal interpolation. In contrast, our model employs a novel methodology by harnessing the diagnostic relationships within the physics of fusion plasma. Initially, we establish the correlation among diagnostics within the tokamak. Subsequently, we utilize these correlations to substantially enhance the temporal resolution of the Thomson Scattering diagnostic, which assesses plasma density and temperature. By increasing its resolution from conventional 200Hz to 500kHz, we facilitate a new level of insight into plasma behavior, previously attainable only through computationally intensive simulations. This enhancement goes beyond simple interpolation, offering novel perspectives on the underlying physical phenomena governing plasma dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google