本地资源档案 · Model Weights / Python

TokaMind托卡马克等离子体基础模型

TokaMind Base v2

基于MAST装置多模态时间序列训练的轻量级Transformer基础模型，可作为等离子体信号预测、迁移学习和多模态时序研究的预训练起点。

ONLINE PREVIEW

资源内容预览

查看资源范围、发布机构、版本、格式和关键技术标签，再进入完整资源或下载本地档案。

本地档案结构化在线预览

发布机构UKAEA / IBM / STFC

资源版本base-v2

资源格式Model Weights / Python

最近核验2026-08-10

内容范围

基于MAST装置多模态时间序列训练的轻量级Transformer基础模型，可作为等离子体信号预测、迁移学习和多模态时序研究的预训练起点。

TokaMindMASTTransformer多模态等离子体预测

RESOURCE OVERVIEW

基于MAST装置多模态时间序列训练的轻量级Transformer基础模型，可作为等离子体信号预测、迁移学习和多模态时序研究的预训练起点。

发布机构UKAEA / IBM / STFC

资源格式Model Weights / Python

当前版本base-v2

使用条件以模型卡和文件许可为准

最近核验2026-08-10

来源类型开放资源库

FILES & VERSIONS

1 个文件

JSON

本地资源档案tokamind-base-v2.json本地档案 · catalog-2026-08-10

AI APPLICATION METADATA

数据或内容范围约693万参数的多模态时序基础模型，训练数据来自MAST托卡马克。

适用AI任务等离子体信号预测 · 迁移学习 · 多模态时间序列研究

验证用途适合作为下游基准任务微调和跨信号预测研究的初始化模型。

使用说明使用前应核对模型卡、输入信号定义、训练数据范围和具体文件许可。