.png){kind=icon}
返回
SlitNET: A Deep Learning Enabled Spectrometer Slit
.png){kind=icon}
OA
AI
DOI：10.1021/acs.analchem.4c06014.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
色散光谱仪的效率与分辨率在光学光谱学中发挥着关键作用。在光学光谱学中实现最佳分析性能，需要在采用窄光谱仪输入狭缝以增强光谱分辨率（但牺牲通量）与使用宽狭缝以提高通量（但牺牲分辨率）之间取得微妙的平衡。在此，我们介绍一种由深度学习模型SlitNET赋能的光谱仪狭缝。我们训练了一个神经网络，以从低分辨率输入中重建具有增强分辨率的人造拉曼光谱。随后，我们进行了从人造数据到材料实验拉曼数据的迁移学习。通过使用实验数据微调模型，我们恢复了高分辨率拉曼光谱。这一增强使我们能够区分在使用宽狭缝时原本无法区分的材料。SlitNET实现了相当于采用10 μm狭缝尺寸的分辨率增强，但物理输入狭缝为100 μm。这反过来使我们能够同时实现高通量与高分辨率，从而提升光学光谱学中的分析灵敏度与特异性。将深度学习融入光谱仪凸显了光子仪器与人工智能的融合，为各种光学光谱学应用提供了改进的测量精度。
期刊
IF:
6.7
论文数:
4.7W
被引数:
15.9W
机构
引用论文
Simultaneous High-Resolution and High-Throughput Spectrometer Design Based on Virtual Slit Technology基于虚拟狭缝技术的同步高分辨率和高通量光谱仪设计
PREAI
分享收藏Fingerprint multiplex CARS at high speed based on supercontinuum generation in bulk media and deep learning spectral denoising.png)
OPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏Holographic Image Reconstruction with Phase Recovery and Autofocusing Using Recurrent Neural NetworksACS PHOTONICS
OAAI
ACS PHOTONICSIF6.7
OAAI分享收藏分享收藏High-Throughput Molecular Imaging via Deep-Learning-Enabled Raman Spectroscopy基于深度学习的拉曼光谱的高通量分子成像ANALYTICAL CHEMISTRYOAAI
ANALYTICAL CHEMISTRYIF6.7
OAAI分享收藏RamanSPy: An Open-Source Python Package for Integrative Raman Spectroscopy Data AnalysisANALYTICAL CHEMISTRYOAAI
ANALYTICAL CHEMISTRYIF6.7
OAAI分享收藏分享收藏
查看更多内容