磁化電漿實驗室
機器學習(Machine learning)
機器學習(Machine learning)
透過建立機器學習模型可以預測電漿漂移波剖面資料:
1.建立機器學習模型:提供電漿漂移波剖面模擬資料給人工神經網路的機器學習模型,進行機器學習,直到模型建立完成。
2.量測電子密度:以熱陰極電漿源(HK)及微波加熱電漿源(ECR)兩種方示產生不同密度電漿,再以微波射入電漿,透過微波干射儀量測相位差,得到電子密度。
3.機器學習模型進行預測:將量測所得電子密度與相位差代入機器學習模型,產生電漿漂移波剖面預測資料。
4.實驗驗證:以Langmuir Probe陣列量測電漿漂移波剖面資料,再與機器學習模型產生之電漿漂移波剖面預測資料比對驗證。
人工神經網路建立機器學習數值模型
人工神經網路建立機器學習數值模型
提供給機器學習之電漿漂移波剖面模擬資料
兩種不同的電漿產生方式產生不同密度電漿
兩種不同的電漿產生方式產生不同密度電漿
熱陰極電漿源(HK)
熱陰極電漿源(HK)
微波加熱電漿源(ECR)
微波加熱電漿源(ECR)
微波干涉儀
微波干涉儀
微波射入電漿量測得到的漂移波波形(IQ wave form)
微波射入電漿量測得到的漂移波波形(IQ wave form)
微波干涉儀量測資料轉換計算得到的相位差與電子密度
微波干涉儀量測資料轉換計算得到的相位差與電子密度