中国科学院合肥物质科学研究院在等离子体诊断中取得新进展，利用人工神经网络快速预测EAST托卡马克的离子温度和旋转速度。采用深度神经网络和卷积神经网络，计算速度提升至几十毫秒，比传统方法快10倍以上，适用于多种诊断系统的数据分析。
本研究提出了一种新的贝叶斯层析成像方法，解决了传统相干成像光谱技术在离子温度和速度分布建模上的不足。通过引入非线性高斯过程，该方法能有效重建高温高速度区域的离子特性，并在RT-1设备的数据验证中显示出其在等离子体诊断中的潜力。
完成下面两步后，将自动完成登录并继续当前操作。
