論文の概要: FusionMAE: large-scale pretrained model to optimize and simplify diagnostic and control of fusion plasma
- arxiv url: http://arxiv.org/abs/2509.12945v1
- Date: Tue, 16 Sep 2025 10:50:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-17 17:50:53.040594
- Title: FusionMAE: large-scale pretrained model to optimize and simplify diagnostic and control of fusion plasma
- Title（参考訳）: FusionMAE:核融合プラズマの診断と制御の最適化と簡易化のための大規模事前訓練モデル
- Authors: Zongyu Yang, Zhenghao Yang, Wenjing Tian, Jiyuan Li, Xiang Sun, Guohui Zheng, Songfen Liu, Niannian Wu, Rongpeng Li, Zhaohe Xu, Bo Li, Zhongbing Shi, Zhe Gao, Wei Chen, Xiaoquan Ji, Min Xu, Wulyu Zhong,
- Abstract要約: 融合マスク付きオートエンコーダ(FusionMAE)は、88の診断信号から具体的な埋め込みに情報を圧縮するために事前訓練される。
このモデルは'仮想バックアップ診断'の能力を取得し、96.7%の信頼性で欠落した診断データの推測を可能にする。
この研究は、核融合エネルギーにおける大規模なAIモデル統合の先駆者であり、事前学習された埋め込みがシステムインターフェースをいかに単純化するかを実証する。
- 参考スコア（独自算出の注目度）: 12.903472110983586
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In magnetically confined fusion device, the complex, multiscale, and nonlinear dynamics of plasmas necessitate the integration of extensive diagnostic systems to effectively monitor and control plasma behaviour. The complexity and uncertainty arising from these extensive systems and their tangled interrelations has long posed a significant obstacle to the acceleration of fusion energy development. In this work, a large-scale model, fusion masked auto-encoder (FusionMAE) is pre-trained to compress the information from 88 diagnostic signals into a concrete embedding, to provide a unified interface between diagnostic systems and control actuators. Two mechanisms are proposed to ensure a meaningful embedding: compression-reduction and missing-signal reconstruction. Upon completion of pre-training, the model acquires the capability for 'virtual backup diagnosis', enabling the inference of missing diagnostic data with 96.7% reliability. Furthermore, the model demonstrates three emergent capabilities: automatic data analysis, universal control-diagnosis interface, and enhancement of control performance on multiple tasks. This work pioneers large-scale AI model integration in fusion energy, demonstrating how pre-trained embeddings can simplify the system interface, reducing necessary diagnostic systems and optimize operation performance for future fusion reactors.
- Abstract（参考訳）: 磁場に閉じ込められた核融合装置では、プラズマの複雑な、マルチスケール、非線形ダイナミクスは、プラズマの挙動を効果的に監視・制御するために広範な診断システムの統合を必要とする。
これらの広範なシステムとそれらの絡み合った相互関係から生じる複雑さと不確実性は、長い間核融合エネルギーの加速に重大な障害を生じさせてきた。
本研究では, 大規模モデルであるフュージョンマスク自動エンコーダ(FusionMAE)を事前訓練し, 88個の診断信号から具体的な埋め込みに情報を圧縮し, 診断システムと制御アクチュエータとの統一インターフェースを提供する。
意味のある埋め込みを保証するための2つのメカニズムが提案されている。
事前トレーニングが完了すると、「仮想バックアップ診断」の能力を取得し、96.7%の信頼性で欠落した診断データの推測を可能にする。
さらに、このモデルでは、自動データ解析、ユニバーサル制御-診断インタフェース、複数のタスクにおける制御性能の向上という、3つの創発的な機能を示す。
この研究は、核融合エネルギーにおける大規模なAIモデル統合の先駆者であり、事前訓練された埋め込みがシステムインターフェースを単純化し、必要な診断システムを削減し、将来の核融合炉の運転性能を最適化する方法を実証する。
関連論文リスト
- USAD: End-to-End Human Activity Recognition via Diffusion Model with Spatiotemporal Attention [8.061018589897277]
人間の活動認識は、健康モニタリング、安全保護、スポーツ分析に幅広い応用を見出すタスクである。
研究の進展にもかかわらず、ヒトの活動認識は、稀な活動のためのラベル付きサンプルの不足など、依然として重要な課題に直面している。
本稿では,マルチアテンション相互作用機構に着目した包括的な最適化手法を提案する。
論文 参考訳（メタデータ） (2025-07-03T17:38:44Z) - RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。
システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
論文 参考訳（メタデータ） (2025-06-17T03:10:33Z) - Learning to Hear Broken Motors: Signature-Guided Data Augmentation for Induction-Motor Diagnostics [40.044978986425676]
3相エンジンのインテリジェント診断における機械学習(ML)アルゴリズムの適用は、診断性能と精度を大幅に向上させる可能性がある。
本稿では,エンジン物理モデルを考慮した教師なし異常発生手法を提案する。
SGDA(Signature-Guided Data Augmentation)は、健康な電流信号の周波数領域において、物理的に可塑性な断層を直接合成する、教師なしのフレームワークである。
論文 参考訳（メタデータ） (2025-06-10T03:36:16Z) - Attention-Based Multiscale Temporal Fusion Network for Uncertain-Mode Fault Diagnosis in Multimode Processes [1.9389881806157316]
マルチモードプロセスにおける故障診断は,産業システムの安全な運転を保証する上で重要な役割を担っている。
つまり、複数のモードからのモニタリングデータの間に大きな分散的な違いがあるのです。
本稿では,注目型マルチスケール時間融合ネットワークという新しい手法を提案する。
提案モデルでは診断性能が向上し,小型モデルサイズを維持している。
論文 参考訳（メタデータ） (2025-04-07T15:16:22Z) - GS-TransUNet: Integrated 2D Gaussian Splatting and Transformer UNet for Accurate Skin Lesion Analysis [44.99833362998488]
本稿では,2次元ガウススプラッティングとTransformer UNetアーキテクチャを組み合わせた皮膚癌自動診断手法を提案する。
セグメンテーションと分類の精度は著しく向上した。
この統合は、新しいベンチマークをこの分野に設定し、マルチタスク医療画像解析手法のさらなる研究の可能性を強調している。
論文 参考訳（メタデータ） (2025-02-23T23:28:47Z) - Multimodal Super-Resolution: Discovering hidden physics and its application to fusion plasmas [4.606409469837236]
多空間物理スケールと多時間物理スケールが支配する非線形システムは、単一の診断では完全には理解できない。
この問題に対処するための機械学習手法を導入する。
我々は、他の診断技術を用いて超解像データを生成し、これまで観測できなかった摂動に対する詳細な構造変化と応答を捉える。
論文 参考訳（メタデータ） (2024-05-09T17:06:51Z) - Integrating LLMs for Explainable Fault Diagnosis in Complex Systems [0.0]
本稿では,原子力プラントなどの複雑なシステムにおける故障診断の説明可能性を高めるための統合システムを提案する。
物理に基づく診断ツールとLarge Language Modelを組み合わせることで、障害を識別するだけでなく、その原因と意味を明確かつ理解可能な説明を提供する新しいソリューションを提供する。
論文 参考訳（メタデータ） (2024-02-08T22:11:21Z) - Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。
発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。
ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
論文 参考訳（メタデータ） (2023-05-18T06:54:56Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳（メタデータ） (2022-08-30T20:16:17Z)
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。