【儀表網(wǎng) 研發(fā)快訊】近日，山東大學(xué)威海前沿交叉科學(xué)研究院劉健教授團隊與中國科學(xué)院等離子體物理研究所合作，在伽馬能譜智能重建問題上取得重要進展。該研究提出了一種基于主-副網(wǎng)絡(luò)結(jié)構(gòu)的新型光譜重建方法，利用編碼解碼網(wǎng)絡(luò)顯著提升了伽馬能譜反演的精度和穩(wěn)定性，為聚變等離子體中的快離子能量與空間分布診斷提供了更可靠的工具。相關(guān)成果以“Gamma ray spectrum inversion based on master-secondary encoder-decoder network”為題，發(fā)表于國際知名期刊Computer Physics Communications。山東大學(xué)教授劉健為論文通訊作者，中國科學(xué)技術(shù)大學(xué)博士研究生胡潤都為論文第一作者。中國科學(xué)院等離子體物理研究所副研究員周瑞杰、研究員胡立群為合作作者。
 

　　伽馬能譜診斷是測量聚變裝置中快離子行為的關(guān)鍵技術(shù)，但傳統(tǒng)重建方法面臨兩大挑戰(zhàn)：一是反演過程具有高度病態(tài)性，微小測量誤差會導(dǎo)致結(jié)果嚴(yán)重失真；二是現(xiàn)有迭代算法(如ML-EM和Gold算法)在高噪聲環(huán)境下性能顯著下降。為解決這些問題，研究團隊創(chuàng)新性地設(shè)計了主-副網(wǎng)絡(luò)結(jié)構(gòu)，將復(fù)雜的能譜反演分解為兩個更易處理的子任務(wù)。副網(wǎng)絡(luò)負(fù)責(zé)預(yù)測能譜的最大值，主網(wǎng)絡(luò)則基于U-Net結(jié)構(gòu)完成歸一化重建，大幅降低了學(xué)習(xí)難度。
 

　　該方法在噪聲環(huán)境下的重建精度比傳統(tǒng)算法提升40%，高低能段均表現(xiàn)出優(yōu)異的穩(wěn)定性，最大幅值識別誤差降低2個數(shù)量級。尤為關(guān)鍵的是，團隊通過智能數(shù)據(jù)增強技術(shù)，在實驗數(shù)據(jù)不足的情況下，利用模擬數(shù)據(jù)生成和人工調(diào)優(yōu)構(gòu)建了高質(zhì)量訓(xùn)練集，使神經(jīng)網(wǎng)絡(luò)能夠高效學(xué)習(xí)復(fù)雜的非線性映射關(guān)系。
 

　　該成果不僅為聚變診斷提供了更精準(zhǔn)的工具，也為解決其他高病態(tài)反演問題(如醫(yī)學(xué)成像、遙感探測等)提供了新思路。該研究成果獲國家磁約束聚變能研究發(fā)展計劃、等離子體幾何算法模擬器(GAPS)項目以及中國科學(xué)院青年創(chuàng)新促進會資助。
 

　　科學(xué)智能作為人工智能與基礎(chǔ)科學(xué)深度融合的新興交叉領(lǐng)域，通過學(xué)科融合加速科學(xué)發(fā)現(xiàn)、破解復(fù)雜性科學(xué)問題、驅(qū)動科研范式變革、并促進人工智能的持續(xù)發(fā)展�？茖W(xué)智能在處理復(fù)雜系統(tǒng)問題方面展現(xiàn)出獨特優(yōu)勢與廣闊前景，對基礎(chǔ)研究及重大應(yīng)用具有重要的價值。在數(shù)學(xué)、物理學(xué)、計算科學(xué)、化學(xué)、生物學(xué)等各基礎(chǔ)研究領(lǐng)域以及聚變能、深空探測、先進制造等戰(zhàn)略應(yīng)用方向，科學(xué)智能受到越來越多的重視。