Gaussian process regression (GPR) has been utilized to provide fast and robust estimates of plasma parameter profiles and their derivatives. We present an alternative GPR technique that performs profile regression analyses based on arbitrary linear observations. This method takes into account finite spatial resolution of diagnostics by introducing a sensitivity matrix. In addition, the profiles of interest and their derivatives can be estimated in the form of a multivariate normal distribution even when only integrated quantities are observable. We show that this GPR provides meaningful measurements of the electron density profile and its derivative in a toroidal plasma by utilizing only ten line-integrated data points given that the locations of magnetic flux surfaces are known.
ガウス過程回帰（GPR）は、プラズマパラメータ分布およびその微分の高速かつロバストな推定を提供するために利用されてきた。本稿では、任意の線形観測に基づいて分布回帰解析を実行する代替的なGPR手法を提示する。本手法は、感度行列を導入することにより、診断の有限な空間分解能を考慮する。さらに、関心対象の分布およびその微分は、線積分された量のみが観測可能である場合でも、多変量正規分布の形で推定することができる。磁気面の位置が既知である場合、わずか10個の線積分データ点を用いることで、本GPRがトロイダルプラズマにおける電子密度分布およびその微分の有意義な測定を提供することを示す。