論文の概要: Deep Learning assisted microwave-plasma interaction based technique for plasma density estimation

• arxiv url: http://arxiv.org/abs/2304.14807v1
• Date: Fri, 28 Apr 2023 12:27:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-01 14:20:13.768140
• Title: Deep Learning assisted microwave-plasma interaction based technique for plasma density estimation
• Title（参考訳）: 深層学習支援マイクロ波-プラズマ相互作用に基づくプラズマ密度推定手法
• Authors: Pratik Ghosh, Bhaskar Chaudhury, Shishir Purohit, Vishv Joshi, Ashray Kothari
• Abstract要約: 本稿では、プラズマ中の電子密度プロファイルを決定するために、新しい機械学習(ML)を利用したマイクロ波-プラズマ相互作用に基づく戦略を提案する。 マイクロ波散乱による電界パターンを測定し、密度分布を推定する。 その結果, 線状プラズマ装置の密度の2次元半径プロファイルにおいて有望な性能を示した。
• 参考スコア（独自算出の注目度）: 1.5749416770494706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The electron density is a key parameter to characterize any plasma. Most of the plasma applications and research in the area of low-temperature plasmas (LTPs) is based on plasma density and plasma temperature. The conventional methods for electron density measurements offer axial and radial profiles for any given linear LTP device. These methods have major disadvantages of operational range (not very wide), cumbersome instrumentation, and complicated data analysis procedures. To address such practical concerns, the article proposes a novel machine learning (ML) assisted microwave-plasma interaction based strategy which is capable enough to determine the electron density profile within the plasma. The electric field pattern due to microwave scattering is measured to estimate the density profile. The proof of concept is tested for a simulated training data set comprising a low-temperature, unmagnetized, collisional plasma. Different types of Gaussian-shaped density profiles, in the range $10^{16}-10^{19}m^{-3}$, addressing a range of experimental configurations have been considered in our study. The results obtained show promising performance in estimating the 2D radial profile of the density for the given linear plasma device. The performance of the proposed deep learning based approach has been evaluated using three metrics- SSIM, RMSLE and MAPE. The favourable performance affirms the potential of the proposed ML based approach in plasma diagnostics.
• Abstract（参考訳）: 電子密度は、あらゆるプラズマを特徴づける重要なパラメータである。 低温プラズマ(LTP)の領域におけるプラズマ応用と研究の大部分は、プラズマ密度とプラズマ温度に基づいている。 従来の電子密度測定法は、任意の線形LTPデバイスに対して軸方向および半径方向のプロファイルを提供する。 これらの手法は、操作範囲(あまり広くない)、煩雑な計測、複雑なデータ分析手順において大きな欠点がある。 そこで本論文では, プラズマ中の電子密度分布を十分に決定できる新しい機械学習(ml)支援マイクロ波プラズマ相互作用に基づく戦略を提案する。 マイクロ波散乱による電界パターンを測定し、密度分布を推定する。 この概念の証明は、低温、非磁性、衝突プラズマからなるシミュレーショントレーニングデータセットに対して試験される。 ガウス型密度プロファイルの種別として, 10^{16}-10^{19}m^{-3}$の範囲について検討した。 その結果, 線状プラズマ装置の密度の2次元半径分布を推定する上で有望な性能を示した。 提案手法の性能をSSIM, RMSLE, MAPEの3つの指標を用いて評価した。 好ましい性能は、プラズマ診断におけるMLベースのアプローチの可能性を確認することである。

関連論文リスト

• Data-driven local operator finding for reduced-order modelling of plasma systems: I. Concept and verifications [2.9320342785886973]
  低次プラズマモデルでは、様々な設定や構成で効率的にプラズマの挙動を予測することができる。 この2つの記事では、"Phi Method"を紹介します。 第1部では,候補項ライブラリに制約付き回帰を用いた新しいアルゴリズムを提案する。 パートIIは、パラメトリックダイナミクス発見のためのメソッドの応用を掘り下げる。
  論文  参考訳（メタデータ） (2024-03-03T14:50:15Z)
• Enhancing predictive capabilities in fusion burning plasmas through surrogate-based optimization in core transport solvers [0.0]
  本研究では,コアプラズマプロファイルの予測と非線形ジャイロキネティックシミュレーションによる性能評価が可能な PortalS フレームワークを提案する。 PortALSの効率は標準手法とベンチマークされ、GPU加速非線形CGYROを用いたDIII-D ITER類似形状プラズマにおいて、その全電位は、一意に5チャネルの定常プロファイルを同時に予測する。 また, 燃焼プラズマにおける正確な性能予測と, 核融合実験における輸送モデルの影響について概説した。
  論文  参考訳（メタデータ） (2023-12-19T21:33:00Z)
• Plasma Surrogate Modelling using Fourier Neural Operators [57.52074029826172]
  トカマク炉内のプラズマの進化を予測することは、持続可能な核融合の目標を実現するために不可欠である。 深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いた進化プラズマの正確な予測を実証する。 我々は、FNOが磁気流体力学モデルからシミュレーションされたプラズマ力学を予測する際に、従来の解法よりも6桁の速度を持つことを示した。 FNOは、MASTトカマク内のカメラで観測された実世界の実験データに基づいて、プラズマの進化を予測することもできる。
  論文  参考訳（メタデータ） (2023-11-10T10:05:00Z)
• Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
  超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。 本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
  論文  参考訳（メタデータ） (2023-10-08T17:11:42Z)
• Unsupervised Discovery of Inertial-Fusion Plasma Physics using Differentiable Kinetic Simulations and a Maximum Entropy Loss Function [77.34726150561087]
  プラズマ運動学3次元偏微分方程式の微分可能解法を作成し, 領域固有の目的関数を導入する。 我々はこの枠組みを慣性融合に関する構成に適用し、最適化プロセスが新しい物理効果を利用することを示す。
  論文  参考訳（メタデータ） (2022-06-03T15:27:33Z)
• Deep Learning Architecture Based Approach For 2D-Simulation of Microwave Plasma Interaction [5.467400475482668]
  本稿では,マイクロ波-プラズマ相互作用シミュレーションのための畳み込みニューラルネットワーク(CNN)に基づく深層学習モデルを提案する。 2D-FDTD (Finite Different Time Domain) を用いたマイクロ波プラズマ相互作用に関するトレーニングデータを生成する。 次に、トレーニングされたディープラーニングモデルを用いて、誤差マージンが2%未満のプラズマプロファイル上の1GHz入射マイクロ波の散乱電界値を再現する。
  論文  参考訳（メタデータ） (2022-06-02T19:37:41Z)
• Physics-informed machine learning techniques for edge plasma turbulence modelling in computational theory and experiment [0.0]
  磁気閉じ込め核融合装置の性能には、エッジプラズマ乱流が不可欠である。 この論文は、核融合プラズマにおける乱流電子密度、電子温度、中性密度の最初の2次元時間依存的な実験的測定を提示する。
  論文  参考訳（メタデータ） (2022-05-16T17:46:14Z)
• Machine learning methods for Schlieren imaging of a plasma channel in tenuous atomic vapor [0.0]
  我々は,Deep Neural Networks のトレーニングのために,様々なプラズマパラメータを持つシミュレーション信号のデータベースを構築した。 本研究では,実験パラメータのわずかな変化に対して,ネットワークが供給するパラメータ推定がレジリエンスであることを示す。
  論文  参考訳（メタデータ） (2022-05-13T17:27:59Z)
• Uncertainty-Aware Deep Multi-View Photometric Stereo [100.97116470055273]
  光度ステレオ(PS)は高周波表面の細部を復元するのに優れ、マルチビューステレオ(MVS)はPSによる低周波歪みを除去し、大域的な形状を維持するのに役立つ。 本稿では,PS と MVS の相補的強みを効果的に活用する手法を提案する。 我々は,不確実性を考慮したディープPSネットワークとディープMVSネットワークを用いて,画素ごとの表面の正規度と深さを推定する。
  論文  参考訳（メタデータ） (2022-02-26T05:45:52Z)
• Pseudo-Spherical Contrastive Divergence [119.28384561517292]
  エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。 PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
  論文  参考訳（メタデータ） (2021-11-01T09:17:15Z)
• BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
  機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。 ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
  論文  参考訳（メタデータ） (2021-06-08T10:14:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。