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

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。