This paper presents a novel uncertainty optimization algorithm for the design of line-of-sight (LOS) systems used in tomographic inversion. By extending Gaussian process tomography from discrete pixel space to continuous function space through Bayesian inference, we introduce an uncertainty function and analyze its typical distributions. We develop an algorithm to minimize the uncertainty, which is then applied to optimize the LOS configuration of the internal camera in the ITER project. Uncertainty analysis and phantom testing are conducted to validate the effectiveness of the proposed algorithm. The results demonstrate improved accuracy and stability in tomographic reconstructions. This study contributes to the advancement of LOS design for tomographic inversion, offering a practical solution for optimizing diagnostic systems in complex experimental settings.
本論文では，トモグラフィック逆変換に用いられる視線（LOS）システムの設計のための，新規の不確実性最適化アルゴリズムを提案する。ベイズ推論によりガウス過程トモグラフィーを離散ピクセル空間から連続関数空間へ拡張することで，不確実性関数を導入し，その典型的な分布を分析する。我々は不確実性を最小化するアルゴリズムを開発し，それをITER計画における内部カメラのLOS構成の最適化に適用する。提案アルゴリズムの有効性を検証するために，不確実性解析とファントム試験を実施する。結果は，トモグラフィック再構成における精度と安定性の向上を示す。本研究は，トモグラフィック逆変換のためのLOS設計の進展に貢献し，複雑な実験環境における診断システムの最適化のための実用的な解決策を提供する。