高质量标注数据的缺失越来越成为制约AI发展的瓶颈，聚变领域更是如此：美国能源部报告指出，聚变AI相关研究者常耗费70%的时间在数据整理环节。针对此痛点，星环聚能和清华大学近日合作推出了基于Label Studio的开源聚变数据标注平台——toklabel，希望借此显著提高聚变数据的标注效率，推动聚变数据标注的标准化与协作化，加速AI在聚变研究中的应用，更快地实现聚变能。

toklabel遵守Apache2.0协议，欢迎大家自由使用，也欢迎大家反馈意见或贡献代码。

高质量标注的数据加速AI赋能聚变

聚变能开发正迎来AI技术驱动的变革时代，但高质量标注数据的缺失一直是制约各类AI模型性能提升的关键瓶颈。虽然在文字、图像和视频等领域已经有很多标注工具，但聚变领域的数据标注工作大部分仍处于“刀耕火种”阶段。这是因为一般标注工具往往功能单一、扩展性有限，没有针对聚变特有的以“炮”为单位的多模态数据（如时间序列、图像等）提供便捷统一的管理方案。

针对聚变领域迫切的需求，toklabel解决了以下问题：

多模态支持：支持一维（时间序列数据）、二维（高速相机等）数据标注，满足聚变诊断和感知数据的多样化需求。 

高效存储设计：结合PostgreSQL与Redis，实现标注结果的结构化存储与快速检索，为后续模型训练提供便利。 

智能辅助标注：集成参数化标注、AI预标注（如Time-Series Transformer）等功能，显著提升标注效率。 

toklabel实操展示

• 时间序列标注：放电特征时间项目

1.输入炮号自动生成数据并导入label studio，以下三个时序数据。

2.模型自动预测三个特征时间（击穿、破裂、结束），给人工标注提供参考。

3.自动根据人工标注的结果进行模型训练。

• 图像标注：基于可见光的等离子体位形标注

根据等离子体位形参数进行最外闭合磁面的标注

共建生态：呼吁行业协作，完善数据标准

toklabel的开源将有效降低聚变研究者整理数据的时间，并提高数据标注效率。全球聚变研究者均可免费使用这一工具，并支持团队协同标注。

开源只是起点，而非终点。作为初期版本，toklabel仍需持续迭代。星环聚能期待与同行携手，一起建设适配聚变领域的数据标注和管理系统，共同探索AI与聚变融合的无限可能。

立即访问toklabel：[GitHub链接] https://github.com/STARTORUS/tok-label