論文の概要: Diag2Diag: Multimodal super-resolution diagnostics for physics discovery with application to fusion
- arxiv url: http://arxiv.org/abs/2405.05908v2
- Date: Fri, 17 May 2024 22:00:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 20:25:40.054409
- Title: Diag2Diag: Multimodal super-resolution diagnostics for physics discovery with application to fusion
- Title（参考訳）: Diag2Diag:物理発見のためのマルチモーダル超解像診断と融合への応用
- Authors: Azarakhsh Jalalvand, Max Curie, SangKyeun Kim, Peter Steiner, Jaemin Seo, Qiming Hu, Andrew Oakleigh Nelson, Egemen Kolemen,
- Abstract要約: 本稿では,分解能向上のためのマルチモーダルネットワークモデルを提案する。
核融合プラズマの物理における診断関係を利用して、診断の時間分解能を高める。
この技術は、以前は解像度の限界のために検出できなかった新しい物理学の発見を可能にする。
- 参考スコア（独自算出の注目度）: 4.759679376260966
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a groundbreaking multimodal neural network model designed for resolution enhancement, which innovatively leverages inter-diagnostic correlations within a system. Traditional approaches have primarily focused on unimodal 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 (TS) diagnostic, which assesses plasma density and temperature. This enhancement goes beyond simple interpolation, offering a super resolution that preserves the underlying physics inherent in inter-diagnostic correlation. Increasing the resolution of TS from conventional 0.2 kHz to 500 kHz could show the diagnostic capability of capturing the structural evolution of plasma instabilities and the response to external field perturbations, that were challenging with conventional diagnostics. This physics-preserving super-resolution technique may enable the discovery of new physics that were previously undetectable due to resolution limitations or allow for the experimental verification of phenomena that had only been predicted through computationally intensive simulations.
- Abstract（参考訳）: 本稿では,システム内における診断間相関を革新的に活用する,解像度向上のための基盤的マルチモーダルニューラルネットワークモデルを提案する。
従来のアプローチは、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、一元的エンハンスメント戦略に重点を置いてきた。
対照的に,本モデルは核融合プラズマの物理における診断関係を利用して,新しい手法を用いている。
まず,トカマク内における診断の相関性について検討した。
次に,これらの相関を利用して,プラズマ密度と温度を評価するThomson Scattering (TS) 診断の時間分解能を大幅に向上させる。
この拡張は単純な補間に留まらず、診断間相関に固有の基礎となる物理を保存する超解法を提供する。
従来の0.2kHzから500kHzへのTSの分解能の向上は、従来の診断では困難であったプラズマ不安定性の構造変化と外界摂動に対する応答を捉える診断能力を示す可能性がある。
この物理保存型超解像法は、以前は解像度の限界のために検出できなかった新しい物理の発見や、計算集約的なシミュレーションによってのみ予測された現象の実験的検証を可能にする。
関連論文リスト
- Lightweight Multi-System Multivariate Interconnection and Divergence Discovery [0.0]
本研究では,多系統環境における異常な挙動を識別する軽量な相互接続・分散発見機構(LIDD)を提案する。
CERNにおけるコンパクト・ミューオン・ソレノイド(CMS)実験におけるハドロン・カロリメータの読み出しシステムに関する実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2024-04-12T13:02:33Z) - A Bi-Pyramid Multimodal Fusion Method for the Diagnosis of Bipolar
Disorders [11.622160966334745]
我々はMRIとfMRIの両方のデータを用いて、双極性障害のマルチモーダル診断モデルを提案する。
提案手法は,OpenfMRIデータセットの精度を0.657から0.732に向上させる。
論文 参考訳（メタデータ） (2024-01-15T10:11:19Z) - Diffusion MRI with Machine Learning [1.9798034349981164]
拡散強調磁気共鳴イメージング(dMRI)はユニークな機能を備えている。
機械学習は、dMRI分析の難しいタスクのいくつかに取り組むのに非常に適しているかもしれない。
論文 参考訳（メタデータ） (2024-01-01T13:03:35Z) - 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) - Experimental probe of multi-mobility edges in quasiperiodic mosaic
lattices [56.696552596134936]
モビリティエッジ(ME)は、ローカライゼーション物理学を理解する上で重要な概念である。
本稿では,複数のMEを示す単一システムの可能性を示す実験的な証拠を提供する。
単一サイトインジェクションと障害レベルの走査により,変調格子のMEを概ね調査することができた。
論文 参考訳（メタデータ） (2023-06-19T10:21:33Z) - Exploring Disordered Quantum Spin Models with a Multi-Layer
Multi-Configurational Approach [0.0]
我々は、複数の乱れたスピンモデルの基底状態を評価するために、多層マルチコンフィグレーション時間依存Hartree (ML-MCTDH) と呼ばれる数値手法を用いる。
1次元と2次元の空間次元で結果を示すために,本手法の固有の柔軟性を活用し,長期的相互作用と障害を含む挑戦的なセットアップを扱う。
論文 参考訳（メタデータ） (2022-12-05T13:26:41Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。
次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。
我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-30T06:00:13Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2020-03-15T23:07:56Z) - Meta-modal Information Flow: A Method for Capturing Multimodal Modular
Disconnectivity in Schizophrenia [11.100316178148994]
統合失調症(SZ)における解離と機能不全の仮説に対処するための多モードデータを活用する手法を提案する。
マルチモーダルデータセットを通して精神疾患に関連するリンクを特定するために,GGMに適用可能なモジュール性に基づく手法を提案する。
シミュレーションと実データにより,本手法は単一モダリティに焦点をあてて欠落する疾患関連ネットワーク破壊に関する重要な情報を明らかにする。
論文 参考訳（メタデータ） (2020-01-06T18:46:41Z)
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。