用於 FLARE 裝置中可解釋電漿團偵測的多實例學習

原標題: Multiple Instance Learning for Interpretable Plasmoid Detection in the FLARE Device

本文將多實例學習這種弱監督方法應用於偵測 PPPL 的 FLARE 裝置上磁重聯實驗中的電漿團，使用了 1,152 次高度不平衡的實驗放電。在全通道輸入下，MIL 模型的 PR AUC 與 F1 分數相較於卷積遞迴神經網路有顯著提升。其注意力機制有助於找出相關影格，並估計單次放電中的電漿團數量。