論文の概要: Investigating Manifold Neighborhood size for Nonlinear Analysis of LIBS
Amino Acid Spectra
- arxiv url: http://arxiv.org/abs/2105.12089v1
- Date: Tue, 25 May 2021 17:17:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-26 14:19:38.414505
- Title: Investigating Manifold Neighborhood size for Nonlinear Analysis of LIBS
Amino Acid Spectra
- Title（参考訳）: LIBSアミノ酸スペクトルの非線形解析のためのマニフォールド近傍サイズの検討
- Authors: Piyush K. Sharma, Gary Holness, and Poopalasingam Sivakumar, Yuri
Markushin, Noureddine Melikechi
- Abstract要約: 水溶液中のアミノ酸の分類と同定は、生体高分子の研究において重要である。
LIBSスペクトル解析の現在の手法は線形手法であるPCAを用いて有望な結果が得られる。
我々は,LIBSエネルギースペクトル測定のための情報理論手法を開発し,非線形次元減少のための多様体法を実装した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Classification and identification of amino acids in aqueous solutions is
important in the study of biomacromolecules. Laser Induced Breakdown
Spectroscopy (LIBS) uses high energy laser-pulses for ablation of chemical
compounds whose radiated spectra are captured and recorded to reveal molecular
structure. Spectral peaks and noise from LIBS are impacted by experimental
protocols. Current methods for LIBS spectral analysis achieves promising
results using PCA, a linear method. It is well-known that the underlying
physical processes behind LIBS are highly nonlinear. Our work set out to
understand the impact of LIBS spectra on suitable neighborhood size over which
to consider pattern phenomena, if nonlinear methods capture pattern phenomena
with increased efficacy, and how they improve classification and identification
of compounds. We analyzed four amino acids, polysaccharide, and a control
group, water. We developed an information theoretic method for measurement of
LIBS energy spectra, implemented manifold methods for nonlinear dimensionality
reduction, and found while clustering results were not statistically
significantly different, nonlinear methods lead to increased classification
accuracy. Moreover, our approach uncovered the contribution of micro-wells
(experimental protocol) in LIBS spectra. To the best of our knowledge, ours is
the first application of Manifold methods to LIBS amino-acid analysis in the
research literature.
- Abstract（参考訳）: 生体高分子の研究において水溶液中のアミノ酸の分類と同定が重要である。
レーザー誘起破壊分光法(LIBS)は、放射スペクトルを捕捉して記録した化合物のアブレーションに高エネルギーレーザーパルスを用いる。
LIBSのスペクトルピークとノイズは実験的プロトコルによって影響を受ける。
LIBSスペクトル解析の現在の手法は線形手法であるPCAを用いて有望な結果が得られる。
LIBSの背後にある物理過程が非常に非線形であることはよく知られている。
本研究は, LIBSスペクトルがパターン現象を考慮すべき近傍サイズに与える影響, 非線形手法が有効性を高めたパターン現象を捉える場合, 化合物の分類と識別を改善する方法について考察した。
4種類のアミノ酸,多糖類,制御基水を分析した。
我々は,LIBSエネルギースペクトル測定のための情報理論手法を開発し,非線形次元減少のための多様体法を実装した。
さらに,LIBSスペクトルにおけるマイクロウェル(実験プロトコル)の寄与も明らかにした。
我々の知識を最大限に活用するために、本研究論文におけるマニフォールド法の最初のLIBSアミノ酸分析への応用について述べる。
関連論文リスト
- Deep Learning Domain Adaptation to Understand Physico-Chemical Processes from Fluorescence Spectroscopy Small Datasets: Application to Ageing of Olive Oil [4.14360329494344]
蛍光分光法は生命科学や化学の基本的な道具であり、環境モニタリング、食品品質管理、生物医学診断などの応用に広く用いられている。
深層学習を用いた分光データの解析、特に蛍光励起放出行列(EEM)は、通常、小さくてスパースなデータセットが利用できるため、大きな課題を提起する。
本研究では、これらの課題に対処する新しい解釈可能性アルゴリズムとともに、事前学習された視覚モデルによるドメイン適応を利用する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-06-14T13:41:21Z) - PoLLMgraph: Unraveling Hallucinations in Large Language Models via State Transition Dynamics [51.17512229589]
PoLLMgraphは、大規模言語モデルのためのモデルベースのホワイトボックス検出および予測手法である。
LLMの内部状態遷移ダイナミクスを解析することにより,幻覚を効果的に検出できることを示す。
我々の研究は、LLMのモデルベースのホワイトボックス分析の新しい手法を開拓し、LLMの振る舞いの複雑なダイナミクスをさらに探求し、理解し、洗練する研究コミュニティを動機付けている。
論文 参考訳（メタデータ） (2024-04-06T20:02:20Z) - De-novo Identification of Small Molecules from Their GC-EI-MS Spectra [0.0]
機械学習に基づくエンフデノボ法は、その質量スペクトルから直接分子構造を導出する手法が近年注目されている。
本稿では,GC-EI-MS スペクトルの特定の利用例に対処するアノベル法について述べる。
論文 参考訳（メタデータ） (2023-04-04T08:46:00Z) - Combination of Raman spectroscopy and chemometrics: A review of recent
studies published in the Spectrochimica Acta, Part A: Molecular and
Biomolecular Spectroscopy Journal [0.0]
本稿では,ラマン分光法とケモメトリックスを併用して,試料とその異なる因子による変化について検討する。
我々は、分類モデルを作成するための最良の戦略を要約し、化学計測技術の適用に関して、いくつかの共通の欠点を強調した。
論文 参考訳（メタデータ） (2022-10-18T13:08:20Z) - Quantum-enhanced absorption spectroscopy with bright squeezed frequency
combs [91.3755431537592]
本稿では,周波数変調分光の利点と,プローブ状態のスクイーズによるノイズ特性の低減を両立させる手法を提案する。
ホモダイン検出方式は、複数の周波数での吸収の同時測定を可能にする。
我々は、スキーズ係数と指数関数的にスケールする信号-雑音比の顕著な向上を予測した。
論文 参考訳（メタデータ） (2022-09-30T17:57:05Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳（メタデータ） (2022-01-07T22:26:33Z) - Gaussian Process Regression for Absorption Spectra Analysis of Molecular
Dimers [68.8204255655161]
本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。
このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。
実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
論文 参考訳（メタデータ） (2021-12-14T17:46:45Z) - Simulation of absorption spectra of molecular aggregates: a Hierarchy of
Stochastic Pure States approach [68.8204255655161]
純粋な状態の階層(HOPS)は、局所的な軌跡に基づく正式な正確な解を提供する。
大集合体における吸収スペクトルのシミュレーションのためにHOPSの局在を爆発させるには、正規化軌道の定式化が必要である。
論文 参考訳（メタデータ） (2021-11-01T16:59:54Z) - Quantum Langevin approach for superradiant nanolasers [58.720142291102135]
量子非線形ランゲヴィン方程式を解析的に解く新しい手法を提案し,超ラジアントレーザーのスペクトル計算に応用した。
レーザーライン幅のしきい値領域におけるポンプ依存性などのよく知られた結果を得るため,任意のポンプレートの洗浄スペクトルを算出した。
我々は, レーザーの周波数スペクトルにおける新しいサイドバンドピークの予測を行うとともに, パルスレートの弱いレーザースペクトルにおける新しい非線形構造も予測した。
論文 参考訳（メタデータ） (2020-12-04T11:30:30Z) - An efficient label-free analyte detection algorithm for time-resolved
spectroscopy [9.251773744318118]
そこで本稿では,ラベルのないアナライト検出のための新しい機械学習アルゴリズムを提案する。
ラマン分光法を併用した液体クロマトグラフィーにおけるアミノ酸検出の問題点を考察する。
論文 参考訳（メタデータ） (2020-11-15T07:57:03Z) - Machine Learning for recognition of minerals from multispectral data [1.231476564107544]
本稿では,異なる分光法から得られたデータを組み合わせた鉱物の自動同定手法を提案する。
これらの手法はRaman + VNIR, Raman + LIBS, VNIR + LIBSと組み合わせられ, それぞれに異なるデータ融合法を適用してミネラルを分類した。
また,ラマンスペクトルからミネラル分類を行うDeep Learningアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-28T22:25:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。