Extracting reliable information from diagnostic data in tokamaks is critical for understanding, analyzing, and controlling the behavior of fusion plasmas and validating models describing that behavior. Recent interest within the fusion community has focused on the use of principled statistical methods, such as Gaussian process regression (GPR), to attempt to develop sharper, more reliable, and more rigorous tools for examining the complex observed behavior in these systems. While GPR is an enormously powerful tool, there is also the danger of drawing fragile, or inconsistent conclusions from naive GPR fits that are not driven by principled treatments. Here we review the fundamental concepts underlying GPR in a way that may be useful for broad-ranging applications in fusion science. We also revisit how GPR is developed for profile fitting in tokamaks. We examine various extensions and targeted modifications applicable to experimental observations in the edge of the DIII-D tokamak. Finally, we discuss best practices for applying GPR to fusion data.
トカマクにおける診断データから信頼できる情報を抽出することは、核融合プラズマの挙動を理解し、分析し、制御し、またその挙動を記述するモデルを検証するために極めて重要である。最近の核融合コミュニティにおける関心は、これらのシステムで観測される複雑な挙動を調べるための、より鋭敏で、より信頼性が高く、より厳密なツールを開発しようと、ガウス過程回帰（GPR）のような原理に基づく統計的手法の使用に集中している。GPRは非常に強力なツールである一方、原理に基づく処理に駆動されていない素朴なGPRフィットから、脆弱または一貫性のない結論を導き出す危険性もある。ここでは、核融合科学における幅広い応用に有用となり得る形で、GPRの基礎となる基本概念をレビューする。また、トカマクにおけるプロファイルフィッティングのためにGPRがどのように発展してきたかを再検討する。DIII-Dトカマクの周辺部における実験的観測に適用可能な様々な拡張と対象を絞った修正を検討する。最後に、GPRを核融合データに適用するためのベストプラクティスについて議論する。