AI与世界难题 · 核聚变与能源 · arXiv · 2026-10-19
用于FLARE装置中可解释等离子体团检测的多示例学习
原标题: Multiple Instance Learning for Interpretable Plasmoid Detection in the FLARE Device
本文应用多示例学习这一弱监督方法，在 PPPL 的 FLARE 装置上，利用 1,152 次高度不平衡的放电数据，检测磁重联实验中的等离子体团。在全通道输入下，MIL 模型的 PR AUC 和 F1 分数相比卷积循环神经网络有显著提升。其注意力机制有助于识别相关帧，并估计一次放电中等离子体团的数量。