Link do seminarium: https://bit.ly/3E6V70t

Abstrakt:

Eksperymenty przy użyciu laserowej spektroskopii wzbudzeniowej (LIBS) służącej do analizy składu chemicznego i ilościowego materiałów dostarczają dużej ilości danych, które umiejętnie zanalizowane mogą dostarczyć wielu informacji.

W przypadku wykorzystania LIBS-a w zagadnieniach związanych z fuzją termojądrową, takich jak poziom paliwa w reaktorze, obecność zanieczyszczeń czy stopień zużycia elementów konstrukcyjnych, standardowa interpretacja wyników wymaga stosowania skomplikowanych zależności analitycznych i poświęcenia dużej ilości czasu i zasobów.

Rozwiązaniem może być zastosowanie szybko rozwijającego się obecnie uczenia maszynowego (ML), które w połączeniu z dużą ilością danych syntetyczych i empirycznych może przyspieszyć proces analizy wyników spektroskopii LIBS oraz dać odpowiedzi na zagadnienia wspomniane wyżej.

W trakcie seminarium zaprezentowane zostaną metody ML, które zostaną sprawdzone w trakcie prac oraz sposób pozyskiwania danych potrzebnych do zaimplementowania tych metod.