转移学习增强的适应性采样用于加速超快光谱学
Menghan Jin1, Shaina Dhamija2, Seongje Park2
1Department of Biostatistics, Boston University, 801 Massachusetts Ave., Boston, Massachusetts 02118, USA.
The Journal of chemical physics
|December 9, 2025
概括
我们开发了转移学习增强适应采样 (TEAS) 来加速超快速光谱测量. 这种数据驱动的方法显著减少了数据采集时间,同时保留了关键的光谱和时间信息.
科学领域:
- 物理化学 物理化学
- 频谱学是一种光谱学.
- 材料科学 材料科学 材料科学
背景情况:
- 超快速短暂吸收 (TA) 光谱对于研究材料中的光诱导动力学至关重要.
- 当前的TA方法往往需要广泛的数据收集,导致长时间的实验时间.
- 需要有效的方法来加快TA测量,而不影响数据质量.
研究的目的:
- 引入一种新的数据驱动采样技术,即转移学习增强自适应采样 (TEAS),以加速TA光谱.
- 证明TEAS能够减少测量时间,同时保持全面的光谱和时间数据.
- 展示TEAS作为各种光谱技术的多功能和模型独立的框架.
主要方法:
- TEAS将转移学习与适应性抽样策略相结合.
- 该方法通过利用交叉波长相关性,智能地选择测量点.
- 它将数据采集集中在最有信息的光谱和时间区域.
主要成果:
- 使用不到1%的总实验测量,TEAS准确地重建了TA数据.
- 该方法与缺乏自适应抽样或转移学习的传统方法相比,显示出更高的性能.
- 通过各种信号噪声比率实现了有效的数据重建.
结论:
- TEAS提供了极快光谱测量的显著加速.
- 这种方法可以实现经济高效的实时和数据驱动的实验设计.
- TEAS是一种广泛适用的解决方案,用于提高光谱研究的效率.
