Pattern recognition is becoming an increasingly important tool for making inferences from the massive amounts of data produced in fusion experiments. The purpose is to contribute to physics studies and plasma control. In this work, we address the visualization of plasma confinement data, the (real-time) identification of confinement regimes and the establishment of a scaling law for the energy confinement time. We take an intrinsically probabilistic approach, modeling data from the International Global H-mode Confinement Database with Gaussian distributions. We show that pattern recognition operations working in the associated probability space are considerably more powerful than their counterparts in a Euclidean data space. This opens up new possibilities for analyzing confinement data and for fusion data processing in general. We hence advocate the essential role played by measurement uncertainty for data interpretation in fusion experiments.
パターン認識は、核融合実験で生成される大量のデータから推論を行うためのますます重要なツールとなっている。その目的は、物理研究とプラズマ制御に貢献することである。本研究では、プラズマ閉じ込めデータの可視化、閉じ込め状態の（リアルタイム）識別、およびエネルギー閉じ込め時間のスケーリング則の確立に取り組む。我々は本質的に確率論的なアプローチを採用し、国際的なHモード閉じ込めデータベースをガウス分布を用いてモデル化する。関連する確率空間におけるパターン認識操作が、ユークリッドデータ空間におけるそれよりもかなり強力であることを示す。これにより、閉じ込めデータの解析および一般の核融合データ処理における新たな可能性が開かれる。さらに、核融合実験におけるデータ解釈において測定不確実性が果たす本質的な役割を提唱する。