Transfer learning for analysis of collective and non-collective Thomson scattering spectraOpen Access

T. Van Hoomissen, J. Alhuthali, A. M. Ortiz, D. A. Mariscal, R. S. Dorst, S. Eisenbach, H. Zhang, J. J. Pilgram, C. G. Constantin, L. Rovige, C. Niemann, D. B. Schaeffer2026年1月Physics of PlasmasIF 2.2 出版社

AIによる論文要約

集団的および非集団的トムソン散乱スペクトル解析のための転移学習

JA核融合プラズマ計測の研究者や、機械学習を物理問題に応用する学生・研究者。特に、トムソン散乱データ解析の効率化に関心がある方。#転移学習 #トムソン散乱 #核融合プラズマ #スペクトル解析 #機械学習

LLM向け: {"Title": "Transfer learning for analysis of collective and non-collective Thoms…

トムソン散乱計測は核融合プラズマの電子温度・密度を測定する主要な手法ですが、そのスペクトル解析は集団的（高密度）及び非集団的（低密度）領域で異なる物理を扱うため困難です。本論文では、これらの異なる領域間で転移学習を適用し、一方の領域で学習したニューラルネットワークを他方の領域に適応させる手法を提案しています。これにより、少ないデータで高精度なパラメータ推定が可能となり、実験データの解析効率が向上します。プラズマ物理や機械学習に興味のある研究者にとって、実用的な解析ツールの開発に貢献する重要な研究成果です。