概括
通过使用MiniConvNet的人工智能,提高波长测量分辨率超出硬件限制. 这种紧的系统实现了高精度, 为微型高分辨率波测仪提供了突破.
科学领域:
- 光学和光学
- 人工智能
- 光谱学
背景情况:
- 目前基于斑点的波长测量难以超过参考光源的最小调节间隔 (MTI).
- 在波表中实现更高的分辨率受到硬件能力的限制.
研究的目的:
- 为直接波长回归开发一个紧的卷积神经网络 (CNN).
- 在波长测量中克服硬件分辨率限制.
- 为了实现微型高分辨率波测仪.
主要方法:
- 一个名为MiniConvNet的紧卷积神经网络的开发.
- 使用10厘米长的多模光纤进行波长测量.
- 使用人工智能进行波长回归以提高分辨率.
主要成果:
- MiniConvNet成功地解决了分隔1小时的波长.
- 在分辨率与MTI比率为0.5的情况下,平均绝对误差 (MAE) 为50 fm和R平方为0.9989.
- 频谱分辨率高达校准限制的四倍.
结论:
- 开发的MiniConvNet超越了高分辨率波长测量的硬件限制.
- 这种人工智能驱动的方法为小型波测器提供了可扩展的解决方案,特别是在参考光源稀缺的地方.
- 在各种应用中为精确的光谱分析提供了重大进步.
