在光子数据中去除文物的反向建模:一种基于计算物理和转移学习的计算物理和转移学习方法

Ravi Teja Vulchi1, Volodymyr Morgunov1, Julian Hniopek2

  • 1Institute of Physical Chemistry (IPC) and Abbe Center of Photonics (ACP), Friedrich Schiller University Jena, Member of the Leibniz Centre for Photonics in Infection Research (LPI), Helmholtzweg 4, Jena 07743, Germany.

概括

这项研究引入了一个深度学习框架,以纠正光谱数据中的标准化文物. 该方法通过减少多达70%的扭曲,显著提高了光谱准确性和可解释性.