トカマクダイバータにおける中性粒子放出トモグラフィーの可視光イメージング診断：効率的なTransformerベースの代理モデル
本論文では、可視光カメラのビデオフレームからトカマクプラズマの動きを捉え、2次元光強度分布を予測する差分Transformerベースのニューラルネットワーク「Delta-InvFormer」を提案。従来手法を大幅に高速化しつつ、高い再構成精度を実現する。
核融合はクリーンエネルギーの重要な選択肢として近年大きく進展している。プラズマの正確な観測と制御は、実用的な核融合炉の実現に向けた核心的な課題の一つである。このたび、中国の研究チームは、深層学習に基づく新しいモデル「Delta-InvFormer」を提案した。このモデルは、可視光カメラのビデオデータを用いて、トカマクダイバータにおける中性粒子放出の2次元光強度分布を効率的に予測する。
Delta-InvFormerは、連続するビデオフレームを入力とし、差分Transformerを用いてプラズマの時空間運動特徴を捉える。従来手法と異なり、空間および時間差分自己注意機構を採用することで、ノイズ干渉を効果的に抑制し、高品質な特徴抽出を実現する。その後、これらの特徴はコンパクトで情報豊富な表現に統合され、デコーダネットワークに入力されて最終的な分布予測が生成される。
研究チームは、EAST（実験先進超伝導トカマク）装置の実実験データを用いてモデルを検証した。その結果、Delta-InvFormerは従来の分布予測手法（例えば反復アルゴリズム）を大幅に高速化するだけでなく、競争力のある再構成精度を達成した。これは、将来の核融合実験において、複雑な物理計算の一部を深層学習モデルで代替し、リアルタイム監視が可能になることを示唆している。
本研究のソースコードはGitHubで公開されており、今後の科学実験の基盤ツールとなる。論文はarXivに掲載され、コンピュータビジョンと核融合分野の学際的な革新を示している。