Dissertação
ISTTOK tomography with machine learning EVALUATED
A utilização de redes neuronais permite a reconstrução tomográfica de perfis de emissividade de plasma com tempos computacionais muito reduzidos. No entanto, o seu desempenho é altamente dependente da qualidade dos dados de treino. O presente trabalho pretende desenvolver um método capaz de gerar dados sintéticos de alta qualidade para o treino de redes neuronais com o objectivo de realizar reconstruções tomográficas no tokamak ISTTOK. O primeiro passo consiste em estudar os efeitos que as reflexões nas paredes internas da câmara exercem sobre a potêcia incidente nos detectores. A análise de dados experimentais correspondentes a phantoms compostos por uma lâmpada mostrou que tais efeitos não são desprezáveis e, portanto, devem ser tidos em conta durante o processo de reconstrução. De seguida, o desenvolvimento de uma simulação de traçado de raios do sistema de tomografia do ISTTOK, que tem em conta os campos de visão exactos dos detectores, efeitos ópticos decorrentes do uso de câmeras estenopeicas e reflexões, permitiu a determinação das medições dos detectores correspondentes a qualquer perfil sintético de emissividade de plasma. Mais ainda, redes neuronais convolucionais foram usadas para testar dois métodos de geração destes perfis, bem como duas funções de custo distintas. Finalmente, o desempenho destas redes em dados reais do ISTTOK foi avaliado e comparado. As melhores reconstruções foram obtidas para as redes treinadas com perfis de emissividade baseados na decomposição em funções de Fourier-Bessel e utilizando a função de custo que considera informação referente aos tomogramas e às medições dos detectores.
novembro 7, 2019, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Professor Auxiliar
