【儀表網 研發快訊】近日，山東大學威海前沿交叉科學研究院劉健教授團隊與中國科學院等離子體物理研究所合作，在伽馬能譜智能重建問題上取得重要進展。該研究提出了一種基于主-副網絡結構的新型光譜重建方法，利用編碼解碼網絡顯著提升了伽馬能譜反演的精度和穩定性，為聚變等離子體中的快離子能量與空間分布診斷提供了更可靠的工具。相關成果以“Gamma ray spectrum inversion based on master-secondary encoder-decoder network”為題，發表于國際知名期刊Computer Physics Communications。山東大學教授劉健為論文通訊作者，中國科學技術大學博士研究生胡潤都為論文第一作者。中國科學院等離子體物理研究所副研究員周瑞杰、研究員胡立群為合作作者。
 

　　伽馬能譜診斷是測量聚變裝置中快離子行為的關鍵技術，但傳統重建方法面臨兩大挑戰：一是反演過程具有高度病態性，微小測量誤差會導致結果嚴重失真；二是現有迭代算法(如ML-EM和Gold算法)在高噪聲環境下性能顯著下降。為解決這些問題，研究團隊創新性地設計了主-副網絡結構，將復雜的能譜反演分解為兩個更易處理的子任務。副網絡負責預測能譜的最大值，主網絡則基于U-Net結構完成歸一化重建，大幅降低了學習難度。
 

　　該方法在噪聲環境下的重建精度比傳統算法提升40%，高低能段均表現出優異的穩定性，最大幅值識別誤差降低2個數量級。尤為關鍵的是，團隊通過智能數據增強技術，在實驗數據不足的情況下，利用模擬數據生成和人工調優構建了高質量訓練集，使神經網絡能夠高效學習復雜的非線性映射關系。
 

　　該成果不僅為聚變診斷提供了更精準的工具，也為解決其他高病態反演問題(如醫學成像、遙感探測等)提供了新思路。該研究成果獲國家磁約束聚變能研究發展計劃、等離子體幾何算法模擬器(GAPS)項目以及中國科學院青年創新促進會資助。
 

　　科學智能作為人工智能與基礎科學深度融合的新興交叉領域，通過學科融合加速科學發現、破解復雜性科學問題、驅動科研范式變革、并促進人工智能的持續發展。科學智能在處理復雜系統問題方面展現出獨特優勢與廣闊前景，對基礎研究及重大應用具有重要的價值。在數學、物理學、計算科學、化學、生物學等各基礎研究領域以及聚變能、深空探測、先進制造等戰略應用方向，科學智能受到越來越多的重視。