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颖的非线性贝叶斯层析成像方法，旨在改进传统相干成像光谱技术在离子温度和速度分布建模中的不足。该方法有效重建高温高速度区域的离子特性，显示出在RT-1设备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。
