非线性自校准光谱仪与单个GeSe-InSe异质连接装置
Rana Darweesh1,2, Rajesh Kumar Yadav1,2, Elior Adler1,2
1Faculty of Engineering, Bar-Ilan University, 52900 Ramat-Gan, Israel.
Science advances
|May 17, 2024
概括
这项研究引入了一种新的计算光谱学方法,使用神经网络来解释来自紧光检测器的数据. 这种方法准确地重建光学光谱,解决非线性设备测量和彩色成像方面的挑战.
科学领域:
- 光电学是指光电子产品.
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 计算光谱法将光检测与光谱分析算法结合在一起.
- 紧型光电探测器比传统光谱仪具有优势,但往往表现出非线性反应.
- 非线性使得精确的光学光谱的提取变得复杂.
研究的目的:
- 训练一个人工神经网络 (ANN) 来恢复单个GeSe-InSe p-n异质连接装置的非线性光谱光响应.
- 用开发的计算光谱测量系统来演示光学成像中metamerism的解决方案.
主要方法:
- 使用一个紧的GeSe-InSe p-n异构连接光探测器,其光谱范围为400-1100nm.
- 从设备的输出中训练了一个ANN来重建完整的非线性光谱光响应.
- 在0.35 nm的功率光谱中,定量化重建准确度的平均误差为2 × 10−4.
主要成果:
- 通过使用训练有素的ANN.成功恢复了GeSe-InSe设备的非线性光谱光响应.
- 在光谱重建中获得了高精度,证明了计算方法的有效性.
- 展示了该设备能够解决光学成像中的重大挑战 - - 形态变异的能力.
结论:
- 人工神经网络可以有效地解释非线性光探测器对计算光谱学的反应.
- 这种紧的ANN增强系统为准确的光谱测量和彩色成像应用提供了有前途的解决方案.
- 开发的技术推动了紧,高性能光谱仪器仪表领域的发展.
