使用预训练的机器学习模型,从微观结构图像中预测液晶/聚合物复合物的光和太阳透射可控性

科学领域:

• 材料科学 材料科学 材料科学
• 光学是什么?光学是什么?光学是什么?
• 数据科学数据科学数据科学

背景情况:

• 聚合物网络液晶 (PNLC) 是智能窗户的关键,因为它们具有可调节的光学特性.
• 在节能应用中,传导率的热感应变化至关重要.

研究的目的:

• 开发一个用于分析PNLC的机器学习框架.
• 为了预测和优化智能窗户中的热响应传输率.

主要方法:

• 使用预训练的 EfficientNet-B7 来从极化光学显微镜 (POM) 图像中提取特征.
• 应用统一多重近似和投影 (UMAP) 用于维度缩小和可视化.
• 采用等级聚类来将特征与传导率和制造参数相关联.

主要成果:

• 从POM图像中成功提取了高维特征向量.
• 证明了热响应式太阳透射率的准确预测和改进.
• 确定了PNLC特征,光学特性和制造条件之间的相关性.

结论:

• 开发的ML方法有效地分析PNLC用于智能窗口应用程序.
• 这种方法为优化对刺激有反应的光学设备提供了可预测性.
• 该框架适用于各种PNLC,用于先进的太阳能和隐私控制.