論文の概要: Reconstruction of Unobserved Core Electron Density in Tokamak Plasmas with a Neural Operator Transport Surrogate and Uncertainty Quantification

• arxiv url: http://arxiv.org/abs/2610.24525v1
• Date: Sat, 17 Oct 2026 07:33:05 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:48:58.240309
• Title: Reconstruction of Unobserved Core Electron Density in Tokamak Plasmas with a Neural Operator Transport Surrogate and Uncertainty Quantification
• Title（参考訳）: トカマクプラズマにおけるニューラル演算子輸送サロゲートと不確かさ量子化による未観測コア電子密度の再構成
• Abstract要約: トカマクプラズマのリアルタイム制御には電子密度プロファイルが必要である。 原子炉関連装置では、診断ポートアクセスが制限される。 物理に基づく一次元粒子輸送方程式の係数を推定することにより密度分布を再構成する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Real-time control of tokamak plasmas requires the electron density profile. However, in a reactor-relevant device, diagnostic port access is limited and the profile can be observed only partially. In the present work we reconstruct the density profile by inferring the coefficients of a physics-based one-dimensional particle transport equation, using a Fourier Neural Operator (FNO) surrogate of the transport solver as a fast differentiable forward model. The surrogate enables realtime-compatible gradient-based reconstruction and uncertainty quantification from the reflectometry and interferometry measurements. We compare four uncertainty quantification methods - multi-seed ensembles, the Laplace approximation, Metropolis-Hastings, and a Gaussian method independent of the reconstruction fit. The resulting uncertainty is scored with CRPS and coverage calibration, separately on the observed and unobserved regions. We further demonstrate advantage of our approach over standard analytical function fit on synthetic and experimental DIII-D discharges.
• Abstract（参考訳）: トカマクプラズマのリアルタイム制御には電子密度プロファイルが必要である。 しかし、原子炉関連装置では、診断ポートアクセスが制限され、プロファイルは部分的にしか観察できない。 本研究では, 物理に基づく一次元粒子輸送方程式の係数を, 高速微分可能フォワードモデルとしてフーリエニューラル演算子 (FNO) サロゲートを用いて推定することにより, 密度分布を再構築する。 このサロゲートは、反射計と干渉計の測定から、リアルタイムに互換性のある勾配に基づく再構成と不確実性定量化を可能にする。 本研究では, マルチシードアンサンブル, ラプラス近似, メトロポリス・ハスティングス, ガウス法という4つの不確実性定量化法を比較した。 結果として生じる不確実性は、観測された領域と観測されていない領域で別々にCRPSとカバレッジキャリブレーションによって評価される。 さらに, 合成および実験用DIII-D放電に適合する標準解析関数に対する我々のアプローチの利点を実証する。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Agentic multi-fidelity learning of quasiparticle and excitonic properties [0.5219568203653523]
  低次元ナノ材料における電子構造と光学特性の正確なシミュレーションには多体GW-Bethe-Salpeter方程式が不可欠である。 ひずみしたMoS2-WS2二層膜におけるGW-Bethe-Salpeter励起状態景観を補正するためのエージェント誘導多面体フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-05T20:55:23Z)
• Probing Chaos and Criticality with Observational Entropy and Finite-Resolution Measurements [0.0]
  観測エントロピー(OE)は、カオスを定量化し、臨界を予測するための枠組みを提供する。 以上の結果から,OEは古典的不安定性,量子臨界性,現実的有限分解能測定の間のコンパクトな情報理論ブリッジとして確立された。
  論文  参考訳（メタデータ） (2026-05-22T12:57:03Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Equivariant Evidential Deep Learning for Interatomic Potentials [55.6997213490859]
  不確かさの定量化は、分子動力学シミュレーションにおける機械学習の原子間ポテンシャルの信頼性を評価するために重要である。 既存のMLIPのUQアプローチは、高い計算コストや準最適性能によって制限されることが多い。 我々は,原子間ポテンシャルの定量的深層学習(texte2$IP)を提案する。
  論文  参考訳（メタデータ） (2026-02-11T02:00:25Z)
• Path-integral Monte Carlo estimator for the dipole polarizability of quantum plasma [0.0]
  長波長限界における相互作用するクーロンプラズマの双極子偏極性を計算するための経路積分モンテカルロ推定器を提案する。 相反空間の従来の動的構造因子とは異なり、我々のアプローチは実空間双極子自己相関関数に基づいている。 想像時間における熱平衡のシミュレーションは、正確なクーロン相互作用とボルツマン量子統計量を持つ。
  論文  参考訳（メタデータ） (2025-10-29T20:26:00Z)
• Surrogate Modelling of Proton Dose with Monte Carlo Dropout Uncertainty Quantification [0.0]
  我々はモンテカルロの投棄を統合し、高速で微分可能な線量予測を提供するニューラルネットワークサロゲートを開発した。 この手法は不確実性情報を保持しつつ,MC上での大幅な高速化を実現する。 プロトン療法におけるロバストな計画、適応的計画、不確実性を考慮した最適化への統合に適している。
  論文  参考訳（メタデータ） (2025-09-16T19:54:49Z)
• Cryo-EM as a Stochastic Inverse Problem [3.7068356204071637]
  核電子顕微鏡(Cryo-EM)は、生体分子の高分解能イメージングを可能にする。 伝統的な手法では、離散的なコンフォーメーションの集合を仮定し、連続的な構造的変動を回復する能力を制限する。 本稿では, 逆問題 (SIP) としてCreo-EM再構成を定式化する。 コンフォメーション・アンサンブルを表現・進化させるために粒子を用いて数値的に解く。
  論文  参考訳（メタデータ） (2025-09-05T23:35:04Z)
• Density Estimation via Binless Multidimensional Integration [45.21975243399607]
  非パラメトリック、ロバスト、およびデータ効率の高い密度推定のためのBinless Multidimensional Thermodynamic Integration (BMTI)法を提案する。 BMTIは、近隣のデータポイント間の対数密度差を計算し、その密度の対数を推定する。 この方法は様々な複雑な合成高次元データセットでテストされ、化学物理学の文献から現実的なデータセットでベンチマークされる。
  論文  参考訳（メタデータ） (2024-07-10T23:45:20Z)
• End-To-End Latent Variational Diffusion Models for Inverse Problems in High Energy Physics [61.44793171735013]
  本稿では,最先端生成技術アプローチの潜時学習とエンドツーエンドの変分フレームワークを組み合わせた,新しい統合アーキテクチャ,潜時変分モデルを提案する。 我々の統一的アプローチは、非最新技術ベースラインの20倍以上の真理への分布自由距離を達成する。
  論文  参考訳（メタデータ） (2023-05-17T17:43:10Z)

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。