Electron temperature and density profiles consistent with JET high resolution Thomson scattering (HRTS) and far infrared (FIR) interferometer data are inferred by a Bayesian joint model using Gaussian processes. Forward models predicting diagnostic data including instrument effects such as optics and electronics are developed independently for both diagnostic systems in the Minerva framework, and combined as one joint model. The full joint posterior distribution of the electron temperature and density profiles, the hyperparameters of the Gaussian processes and calibration factor is explored by Markov chain Monte Carlo (MCMC) sampling. The posterior distribution of the electron density (temperature) profile is obtained by marginalising all the possible combinations of the electron temperature (density) profile, the hyperparameters and calibration factor. Therefore, the method removes profile dependency on the hyperparameters completely in addition to eliminating often-used avoidable constraints such as monotonicity and parametrisation on the profiles. The posterior distribution of the calibration factor is also calculated explaining both the HRTS and the FIR interferometer data simultaneously. Thus, absolute electron density can be obtained from the HRTS without additional experiments measuring the calibration factor.
JET高分解能トムソン散乱（HRTS）および遠赤外（FIR）干渉計のデータと整合する電子温度および電子密度分布は、ガウス過程を用いたベイズ結合モデルによって推定される。機器効果（光学系や電子回路など）を含む診断データを予測する前方モデルは、Minervaフレームワークにおいて両診断システムに対して独立に開発され、単一の結合モデルとして統合される。電子温度および電子密度分布、ガウス過程のハイパーパラメータ、ならびに較正係数の完全な結合事後分布は、マルコフ連鎖モンテカルロ（MCMC）サンプリングによって探索される。電子密度（温度）分布の事後分布は、電子温度（密度）分布、ハイパーパラメータ、および較正係数のすべての可能な組み合わせを周辺化することによって得られる。したがって、本手法は、分布に対する単調性やパラメータ化などの頻繁に用いられる制約を排除することに加えて、ハイパーパラメータへの分布の依存性を完全に除去する。較正係数の事後分布もまた、HRTSおよびFIR干渉計の両方のデータを同時に説明するように計算される。これにより、較正係数を測定する追加実験なしで、HRTSから絶対電子密度を得ることができる。