Medidor de ondas de manchas de súper resolución habilitado por una pequeña red neuronal convolucional

Área de la Ciencia:

• Óptica y fotónica
• Inteligencia artificial
• Espectroscopia

Sus antecedentes:

• La medición actual de la longitud de onda basada en manchas se esfuerza por exceder el intervalo mínimo de afinación (MTI) de las fuentes de luz de referencia.
• El logro de una mayor resolución en los ondímetros está limitado por las capacidades del hardware.

Objetivo del estudio:

• Desarrollar una red neuronal convolucional compacta (CNN) para la regresión de longitud de onda directa.
• Para superar el límite de resolución de hardware en la medición de longitud de onda.
• Para habilitar ondímetros miniaturizados de alta resolución.

Principales métodos:

• Desarrollo de una red neuronal convolucional compacta llamada MiniConvNet.
• Utilizando una fibra multimodo de 10 cm de largo para la medición de longitud de onda.
• Regresión de longitud de onda directa utilizando IA para una resolución mejorada.

Principales resultados:

• MiniConvNet resuelve con éxito las longitudes de onda separadas por 1 pm.
• Se obtuvo un error medio absoluto (MAE) de 50 fm y R-cuadrado de 0,9989 con una relación resolución-MTI de 0,5.
• La resolución espectral aumentó hasta cuatro veces el límite de calibración.

Conclusiones:

• El MiniConvNet desarrollado trasciende las limitaciones de hardware para la medición de longitudes de onda de alta resolución.
• Este enfoque impulsado por la IA proporciona una solución escalable para los ondímetros miniaturizados, especialmente donde las fuentes de luz de referencia son escasas.
• Ofrece un avance significativo para el análisis espectral preciso en varias aplicaciones.