多模态超分辨率：发现隐藏物理及其在核聚变等离子体中的应用

由多尺度空间和多尺度时间物理过程驱动的非线性系统无法通过单一诊断工具完全理解，因为每个诊断仅提供部分视图，导致信息损失。将多个诊断组合也可能导致对系统物理的不完整投影。通过识别诊断之间的隐藏相关性，我们可以利用相互支持来填补这些差距，但从分析方式中发现此类相关性过于复杂。我们引入一种机器学习方法来解决此问题。与传统方法不同，我们的多模态方法不依赖于目标诊断的直接测量来生成其超分辨率版本，而是使用其他诊断来生成超分辨率数据，捕捉详细的结构演化和对扰动的响应，这些之前难以观察。这种方法不仅提高了诊断的分辨率，以获得更深入的见解，还重建了目标诊断，为减轻诊断故障提供了有价值的工具。该方法解决了核聚变等离子体中的关键挑战：边缘局部化模式(ELM)，这是一种可能导致等离子体面向材料显著侵蚀的等离子体不稳定性。稳定 ELM 的方法是使用共振磁场扰动(RMP)来触发磁岛。然而，受限于空间和时间分辨率，由于磁岛的尺寸小、动力学快速且等离子体相互作用复杂，无法对这些岛进行分析。通过超分辨率诊断，我们首次可以在实验中验证磁岛的理论模型，为其在 ELM 稳定中所起作用提供了见解。该进展支持未来类似 ITER 这样的聚变堆构建有效 ELM 抑制策略，并具有更广泛的应用前景，可能彻底变革天文学、天体物理学和医学成像领域的诊断方法。