Estimación de la brecha celular en tiempo real en dispositivos llenos de LC utilizando redes neuronales ligeras para...

Área de la Ciencia:

• Optoelectrónica y sus derivados
• Ciencias de los materiales
• Aprendizaje automático

Sus antecedentes:

• La medición precisa de la brecha de las celdas de cristal líquido (LC) es crucial para el rendimiento del dispositivo óptico.
• Los materiales bifringentes en las células LC distorsionan los espectros de transmisión, lo que dificulta el análisis tradicional.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje automático ligero para estimar la brecha de células LC a partir de espectros de transmisión.
• Para permitir una determinación precisa y no destructiva de la brecha celular en las células LC llenas.

Principales métodos:

• Se entrenó un modelo de perceptrón multicapa de poca profundidad (MLP) en espectros de transmisión adquiridos experimentalmente.
• La interferometría de pico a pico proporcionó valores de brecha de la célula de verdad para el entrenamiento.
• Los algoritmos de optimización, las funciones de activación y las configuraciones neuronales se evaluaron sistemáticamente.

Principales resultados:

• El modelo MLP óptimo logró un coeficiente de correlación cercano a 1 y un error de raíz media cuadrada (RMSE) inferior a 0,1 μm.
• El modelo demostró inferencia en tiempo real en un Raspberry Pi 4 con baja latencia y consumo de recursos.
• La implementación exitosa validó el modelo para aplicaciones portátiles basadas en el borde.

Conclusiones:

• Un marco MLP ligero proporciona una estimación precisa y eficiente de la brecha de células LC a partir de los espectros de transmisión.
• El sistema desarrollado es adecuado para el diagnóstico in situ y el control de calidad en aplicaciones ópticas basadas en LC.
• El despliegue basado en el borde permite capacidades de inspección portátiles y en tiempo real.