論文の概要: Energy-based models for diagnostic reconstruction and analysis in a laboratory plasma device

• arxiv url: http://arxiv.org/abs/2605.08645v1
• Date: Sat, 09 May 2026 03:29:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.787667
• Title: Energy-based models for diagnostic reconstruction and analysis in a laboratory plasma device
• Title（参考訳）: 実験室プラズマ装置の診断・解析のためのエネルギーモデル
• Abstract要約: エネルギーベースモデル(EBM)は、データ上の合同確率分布を学習するための強力で柔軟な方法を提供する。 EBMを実験室プラズマ物理学に応用し、高非線形現象を特徴とする領域である。 本研究は,実験室プラズマデータのESMに基づく生成モデリングの柔軟性と有効性を示すものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Energy-based models (EBMs) provide a powerful and flexible way of learning a joint probability distribution over data by constructing an energy surface. This energy surface enables insight extraction and conditional sampling. We apply EBMs to laboratory plasma physics, a domain characterized by highly nonlinear phenomena. These phenomena are studied using plasma diagnostics, which are often difficult to analyze and subject to hardware degradation. In addition, the possible configuration space of a plasma device is sufficiently large that it cannot be efficiently searched using conventional analysis techniques. EBMs address these issues. At the Large Plasma Device (LAPD), a CNN- and attention-based EBM is trained on a set of randomly generated machine conditions and their corresponding diagnostic time series. We demonstrate diagnostic reconstruction using this EBM on real data and show that additional diagnostics improves reconstruction error and generation quality. The energy surface is directly evaluated for an ill-posed inverse problem: inferring probe position from a time-series measurement. This inference illuminates symmetries in the data, potentially leading to a method of inquiry to supplement conventional data analysis. Trends in diagnostic signals are inferred via conditional sampling over machine inputs. In addition, this multimodal EBM is able to unconditionally reproduce all distributional modes, suggesting future potential in anomaly detection on the LAPD. Fundamentally, this work demonstrates the flexibility and efficacy of EBM-based generative modeling of laboratory plasma data, and showcases multiple practical uses of just a single trained EBM in the physical sciences.
• Abstract（参考訳）: エネルギーベースモデル(EBM)は、エネルギー表面を構築することで、データ上の結合確率分布を学習するための強力で柔軟な方法を提供する。 このエネルギー表面は、洞察抽出と条件サンプリングを可能にする。 EBMを実験室プラズマ物理学に応用し、高非線形現象を特徴とする領域である。 これらの現象はプラズマ診断を用いて研究され、しばしば分析が困難であり、ハードウェア劣化を受ける。 また、プラズマ装置の構成空間は十分に大きく、従来の解析手法では効率的に探索できない。 EBMはこれらの問題に対処する。 大型プラズマデバイス(LAPD)では、ランダムに生成された機械条件とそれに対応する診断時系列に基づいてCNNおよび注意に基づくEMMを訓練する。 本研究では,このEMMを用いた診断再構成を実データで示すとともに,追加診断により再構成誤差と生成品質が向上することを示す。 エネルギー表面は、時系列測定からプローブ位置を推定する不測の逆問題に対して直接評価される。 この推測はデータの対称性を照らし、従来のデータ分析を補うための調査方法につながる可能性がある。 診断信号の傾向は、機械入力の条件付きサンプリングによって推測される。 さらに、このマルチモーダル EBM は全ての分散モードを無条件に再現することができ、LAPD の異常検出における将来の可能性を示している。 本研究は,実験室プラズマデータのESMに基づく生成モデリングの柔軟性と有効性を示し,物理科学において1つの訓練されたESMを多用した実例を示した。

関連論文リスト

• Data-Driven Reconstruction of Spatially Resolved Electron and Ion Energy Distributions from Macroscopic Plasma Quantities with Deep Neural Networks [0.45880283710344055]
  先進的な診断技術を用いて、いくつかのマクロプラズマ観測装置を非侵襲的に測定することができる。 逆問題は、測定可能なマクロプラズマ量に基礎となる運動状態を再構築するのに十分な情報が含まれているかどうかである。 本研究では,3つの代表的な学習パラダイム,U-Net,FNO,MeshGraphNetを用いて,この逆写像を学習する。
  論文  参考訳（メタデータ） (2026-08-17T13:02:12Z)
• TokaMark: A Comprehensive Benchmark for MAST Tokamak Plasma Models [56.94569090844015]
  TokaMarkは、Mega Ampere Spherical Tokamak (MAST)から収集された実実験データに基づいてAIモデルを評価するための構造化ベンチマークである。 TokaMarkは、データ駆動型AIベースのプラズマモデリングの進歩を加速することを目的としている。
  論文  参考訳（メタデータ） (2026-02-05T16:49:44Z)
• EEGDM: EEG Representation Learning via Generative Diffusion Model [17.595769291603688]
  生成拡散モデル(EEGDM)に基づく脳波表現学習フレームワークを提案する。 具体的には,拡散事前学習のための構造化状態空間モデルを開発し,DDPM(Denoising Diffusion Probabilistic Model)フレームワークを用いて学習を行った。 提案した潜時核融合変換器 (LFT) を用いた下流分類作業において, 得られた潜時脳波表現を用いた。
  論文  参考訳（メタデータ） (2025-08-13T14:40:52Z)
• Bellman Diffusion: Generative Modeling as Learning a Linear Operator in the Distribution Space [72.52365911990935]
  本稿では,MDPの線形性を維持する新しいDGMフレームワークであるBellman Diffusionを紹介する。 この結果から,ベルマン拡散は分布RLタスクにおける従来のヒストグラムベースベースラインよりも1.5倍高速に収束し,精度の高い画像生成装置であることがわかった。
  論文  参考訳（メタデータ） (2024-10-02T17:53:23Z)
• 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)
• 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)
• 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)
• Deep Learning assisted microwave-plasma interaction based technique for plasma density estimation [1.4680035572775534]
  本稿では,マイクロ波-プラズマ相互作用に基づく非侵襲的診断を支援するDeep Learning (DL)を提案する。 プラズマからのマイクロ波散乱による電界パターンを利用して密度分布を推定する。 得られた結果から,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。
  論文  参考訳（メタデータ） (2023-04-28T12:27:23Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• 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)

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。