基于机器学习的聚变等离子体最小传感器测量全状态重建

核聚变反应堆中的等离子体只能被部分观测：诊断受到有限访问、成本和高昂等离子体环境的限制，而高保真模拟在反应堆相关尺度上仍然成本过高，难以解决可观测性差距。本文提出了一种机器学习模型，用于从少量可访问的测量中重建全域等离子体状态。该模型将稀疏传感器历史的时间编码与空间解码相结合，生成完整的等离子体场图。使用高保真动力学模拟数据的演示表明，仅凭几个密度传感器即可重建多个耦合的等离子体量，并且对稀疏和随机放置的探针具有鲁棒性。该方法为聚变相关等离子体的诊断增强、实时状态估计和数据驱动的数字孪生提供了一条途径。