Dissertação

Plasma Tomography with Machine Learning EVALUATED

Actualmente, devido ao número reduzido de detectores disponiveis para tomografia num reator de fusão nuclear, a obtenção de reconstruções com a resolução necessária para fins de investigação é um processo moroso. Neste trabalho procuramos resolver este problema utilizando técnicas de aprendizagem automática. Dois métodos, que tiram proveito das bases de dados de tomografia e frameworks de aprendizagem automática existentes, são utilizados para calcular novas reconstruções significativamente mais rápido. O primeiro método, consiste na extração de uma única matriz de regularização a partir de um vasto conjunto de tomogramas, utilizando um algoritmos de otimização como gradient descent. Depois da extração, que se realiza antes da experiência, novas reconstruções são calculadas através de uma única multiplicação de matrizes. O segundo método utiliza um modelo mais complexo e não linear, nomeadamente Redes Neuronais. São também propostas várias hipóteses para melhorar a robustez destas redes quando detetores deixam de funcionar ou se dão alterações na geometria das câmeras utilizadas. Para caracterizar as diferentes metodologias, foram realizados testes no sistema bolométrico do JET e no sistema de soft X-ray do COMPASS. A utilização de Redes Neuronais produziu melhores resultados, especialmente para cenários em que as superfícies de fluxo magnético se movem consideravelmente. A qualidade dos tomogramas obtidos é equivalente à alcançada com os algoritmos actuais, sendo o tempo de computação substancialmente inferior.
Física de Plasmas, Tomografia, Gradient Descent, Redes Neuronais

Outubro 16, 2018, 11:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Diogo Manuel Ribeiro Ferreira

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Horácio João Matos Fernandes

Departamento de Física (DF)

Professor Associado