エッジ展開のための軽量ニューラルネットワークを使用して,LCで満たされたデバイスのリアルタイムセルギャップ推定
Chi-Yen Huang1, You-Lun Zhang2, Su-Yu Liao2
1Graduate Institute of Photonics, National Changhua University of Education, Changhua 50007, Taiwan.
Nanomaterials (Basel, Switzerland)
|August 27, 2025
まとめ
新しい機械学習モデルは,伝送スペクトルから液晶 (LC) 細胞のギャップを正確に測定します. この軽量なフレームワークは,ポータブルでリアルタイムの光学デバイスの品質管理を可能にします.
科学分野:
- 光電子機器
- 材料科学
- 機械学習
背景:
- 液晶 (LC) セルギャップの正確な測定は,光学的デバイスの性能にとって極めて重要です.
- LC細胞のバイレフレンント物質は伝送スペクトルを歪め,従来の分析を妨げます.
研究 の 目的:
- 伝送スペクトルからLCセルギャップを推定するための軽量な機械学習フレームワークを開発する.
- 充填されたLC細胞の正確な非破壊的な細胞ギャップの決定を可能にします.
主な方法:
- 浅層多層感知子 (MLP) モデルが実験的に得られた伝送スペクトルで訓練された.
- ピーク・ツー・ピーク・インターフェロメトリーは,訓練のための基底の真実のセルのギャップ値を提供した.
- 最適化アルゴリズム,アクティベーション機能,ニューロン構成を体系的に評価した.
主要な成果:
- 最適なMLPモデルは1に近い相関係数と0.1μm未満の平方根平均誤差 (RMSE) を達成した.
- このモデルは,低レイテンシーとリソース消費でRaspberry Pi 4でリアルタイムで推論を行った.
- エッジベースのポータブルアプリケーションのためのモデルを有効にしました.
結論:
- 軽量なMLPフレームワークは,伝送スペクトルからLC細胞のギャップを正確かつ効率的に推定します.
- 開発されたシステムは,LCベースの光学アプリケーションのインサイト診断と品質管理に適しています.
- エッジベースの展開は,ポータブルでリアルタイムの検査機能を可能にします.
