近日，合肥师范学院物理与材料工程学院教师联合中国科学院等离子体物理研究所和复旦大学相关科研人员，在核聚变等离子体智能诊断领域取得新进展。相关研究成果以《Fast electron temperature inference in EAST based on tungsten spectroscopy and convolutional neural networks》为题，发表于国际学术期刊《Plasma Physics and Controlled Fusion》。《Plasma Physics and Controlled Fusion》由英国物理学会出版社（IOP Publishing）出版，是等离子体物理与可控核聚变领域的重要国际学术期刊之一，在国际核聚变研究领域具有较高的学术认可度，中国科学院分区和新锐分区均为2区。该论文由合肥师范学院教师计华健担任第一作者，合肥师范学院为论文第一署名单位。
电子温度是表征核聚变等离子体运行状态的重要物理参数，其快速、准确测量对于研究等离子体约束性能及能量输运过程具有重要意义。针对传统光谱诊断方法计算过程复杂、难以满足快速诊断需求等问题，本研究依托我国全超导托卡马克核聚变实验装置（EAST），创新性地将高分辨率X射线晶体光谱诊断技术与卷积神经网络相结合，提出了一种基于高电离态钨离子特征光谱的电子温度快速反演方法。研究团队通过原子物理理论计算，揭示了钨离子特征谱线强度比与电子温度之间的变化规律，并构建了融合残差连接与扩张卷积结构的神经网络模型，实现了由实验光谱数据到电子温度的直接预测。实验结果表明，该方法预测结果与电子回旋辐射（ECE）诊断测量结果具有较好的一致性，代表性放电实验的决定系数R²达到0.92，单幅光谱平均处理与预测时间仅约9.5毫秒，表现出较高的计算效率和良好的预测性能。此外，研究通过可解释性人工智能方法分析了影响模型预测的关键光谱特征，进一步验证了神经网络预测结果与原子物理理论之间的一致性。该成果为核聚变等离子体电子温度快速诊断提供了新的研究思路，对未来聚变装置智能化、准实时诊断技术的发展具有积极意义。
图 卷积神经网络模型结构及EAST实验验证结果
该研究成果体现了物理与材料工程学院在核聚变等离子体诊断与人工智能交叉研究领域的积极探索，也为学院进一步深化与中国科学院等离子体物理研究所等科研院所的合作、推动相关学科建设和科研创新提供了有力支撑。
