深度神经网络组合用于THz-TDS折射率提取,具有对实验和分析错误的弹性

科学领域:

• 光学和光子学 在光学和光子学.
• 材料科学 材料科学 材料科学
• 频谱学是一种光谱学.

背景情况:

• 太赫兹时域光谱 (THz-TDS) 提供了丰富的光学参数数据,但在数据提取方面面临挑战.
• 非微不足道的数据处理和缺乏标准化导致测量变化.
• 低频噪声和激光漂移是实验错误的重要来源.

研究的目的:

• 从THz-TDS数据中开发一种自动化和可靠的方法来提取取取决于频率的复杂折射率.
• 为了应对阶段重建噪声和THz-TDS测量中的激光漂移所带来的挑战.
• 证明深度神经网络在改进THz-TDS数据分析方面的有效性.

主要方法:

• 深度神经网络集团使用合成THz-TDS数据进行训练.
• 这些网络的设计是为了自动化用于光学参数提取所需的安装步骤.
• 该方法被测试了对相位解封变化和激光漂移的弹性.

主要成果:

• 深度神经网络组合成功提取了依赖频率的复杂折射率.
• 自动装配过程显示出适应分阶段拆装变化的弹性.
• 该方法证明了对激光漂移的稳定性,这是一个常见的实验错误.
• 整体方法超过了当前数据提取技术的准确性和可靠性.

结论:

• 在合成数据上训练的深度神经网络为自动化THz-TDS数据分析提供了强大的解决方案.
• 这种方法显著提高了折射率测量的准确性和可靠性.
• 开发的方法为使用THz-TDS的材料表征提供了一种标准化和强大的技术.