論文の概要: Deep learning-based fast time-resolved flame emission spectroscopy in
high-pressure combustion environment
- arxiv url: http://arxiv.org/abs/2208.12544v1
- Date: Fri, 29 Jul 2022 05:33:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-04 02:12:19.399240
- Title: Deep learning-based fast time-resolved flame emission spectroscopy in
high-pressure combustion environment
- Title（参考訳）: 深層学習に基づく高圧燃焼環境における高速時間分解火炎放射分光法
- Authors: Taekeun Yoon, Seon Woong Kim, Hosung Byun, Younsik Kim, Campbell D.
Carter, Hyungrok Do
- Abstract要約: 火炎放射分光法(FES)を用いた高速かつ高精度なガス特性測定のための新しい深層学習手法の開発
畳み込み畳み込みニューラルネットワーク(CNN)は、短ゲートスペクトルのSNRを高めることができる。
圧力・等価比の測定・特性予測誤差は0.2s暴露で5.7%, 1.5%と推定された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A novel deep learning strategy is developed for fast and accurate gas
property measurements using flame emission spectroscopy (FES). Particularly,
the short-gated fast FES is essential to resolve fast-evolving combustion
behaviors. However, as the exposure time for capturing the flame emission
spectrum gets shorter, the signal-to-noise ratio (SNR) decreases, and
characteristic spectral features indicating the gas properties become
relatively weaker. Then, the property estimation based on the short-gated
spectrum is difficult and inaccurate. Denoising convolutional neural networks
(CNN) can enhance the SNR of the short-gated spectrum. A new CNN architecture
including a reversible down- and up-sampling (DU) operator and a loss function
based on proper orthogonal decomposition (POD) coefficients is proposed. For
training and testing the CNN, flame chemiluminescence spectra were captured
from a stable methane-air flat flame using a portable spectrometer (spectral
range: 250-850 nm, resolution: 0.5 nm) with varied equivalence ratio (0.8-1.2),
pressure (1-10 bar), and exposure time (0.05, 0.2, 0.4, and 2 s). The long
exposure (2 s) spectra were used as the ground truth when training the
denoising CNN. A kriging model with POD is trained by the long-gated spectra
for calibration and then prediction of the gas properties taking the denoised
short-gated spectrum as the input. The measurement or property prediction
errors of pressure and equivalence ratio using the new technique were estimated
to be 5.7% and 1.5% with 0.2 s exposure, which are exceptionally good and
typically not achievable with such low SNR spectrum signals without a signal
amplifier.
- Abstract（参考訳）: 火炎放射分光法(FES)を用いた高速かつ高精度なガス特性測定のための新しい深層学習戦略を開発した。
特に、短ゲート高速FESは、高速進化する燃焼挙動を解決するために不可欠である。
しかし, 火炎放射スペクトルを捕捉する露光時間が短くなると, 信号対雑音比(SNR)は減少し, ガス特性を示す特性スペクトル特性は比較的弱くなる。
そして、短ゲートスペクトルに基づく特性推定は困難で不正確である。
畳み込み畳み込みニューラルネットワーク(CNN)は、短ゲートスペクトルのSNRを高めることができる。
可逆ダウン・アップサンプリング(du)演算子と適切な直交分解(pod)係数に基づく損失関数を含む新しいcnnアーキテクチャを提案する。
cnnの訓練と試験のために、可搬型分光計(スペクトル範囲:250-850 nm、解像度:0.5 nm)を用いて安定なメタン-空気の平面火炎から火炎化学発光スペクトルを観測し、同値比(0.8-1.2)、圧力(1-10 bar)、露光時間(0.05, 0.2, 0.4, 2 s)を測定した。
CNNを訓練する際には2秒の長時間露光スペクトルが基礎的真実として用いられた。
PODを用いたクリギングモデルは、長いゲートスペクトルを用いてキャリブレーションを行い、その後、分極短ゲートスペクトルを入力とするガス特性の予測を行う。
新手法を用いた圧力・等価比の測定および特性予測誤差は0.2s露光による5.7%と1.5%と推定され、信号増幅器のない低snrスペクトル信号では極めて良好であり、通常は達成できない。
関連論文リスト
- Boosting Photon-Number-Resolved Detection Rates of Transition-Edge Sensors by Machine Learning [2.9829310103458186]
遷移エッジセンサー(TES)は、非常に効果的な光子数分解(PNR)検出器である。
比較的遅い熱回復時間は、実験シナリオでの運用速度を著しく制限する。
我々は,検出イベント間の完全回復時間を待つことなく,TESが光子パルスを検出し,正確に分類できるアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-11-22T22:09:50Z) - Accelerating Quantum Emitter Characterization with Latent Neural Ordinary Differential Equations [2.3547604247645046]
ニューラル常微分方程式モデルにより、雑音相関関数の小さな部分集合から完全かつノイズのないPCFS実験を予測できることを示す。
最大200個のステージ位置の非雑音干渉計全体の外挿に使用される10個のノイズ光子相関関数を用いてこれを実証する。
本研究は, 深層学習を用いた新しい量子エミッタ材料を実験的に評価するための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-11-17T22:46:31Z) - Super-resolution of ultrafast pulses via spectral inversion [0.0]
ブロードバンド光(10～100GHz)を対象とした分光超解像法を実験的に実証した。
等輝度の2つの非コヒーレントスペクトル特徴と、コヒーレンス時間当たりの光子との小さな分離を推定するパラダイム的問題について検討した。
この装置は、電気光学タイムレンズとインバージョンを実装したパッシブスペクトル分散器を備えた、アクティブに安定化されたマッハ・ツェンダー型干渉計に基づいている。
論文 参考訳（メタデータ） (2024-03-18T12:21:37Z) - Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。
我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
論文 参考訳（メタデータ） (2024-02-27T10:38:05Z) - 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) - Momentum Diminishes the Effect of Spectral Bias in Physics-Informed
Neural Networks [72.09574528342732]
物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。
彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。
本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
論文 参考訳（メタデータ） (2022-06-29T19:03:10Z) - Unsupervised Spectral Unmixing For Telluric Correction Using A Neural
Network Autoencoder [58.720142291102135]
本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
論文 参考訳（メタデータ） (2021-11-17T12:54:48Z) - Auto-heterodyne characterization of narrow-band photon pairs [68.8204255655161]
ビームスプリッタで非退化光子対が干渉したときの時間相関ビート音を検出することで光子対関節スペクトルを測定する手法について述べる。
この技術は光子の対を特徴づけるのに適しており、それぞれが単一の原子種と相互作用できる。
論文 参考訳（メタデータ） (2021-01-08T18:21:30Z) - Temperature insensitive type II quasi-phasematched spontaneous
parametric downconversion [62.997667081978825]
チタニルカリウム (KTP) の屈折率の温度依存性は, 準相整合II型自然パラメトリックダウンコンバージョンを可能にすることが示されている。
電気通信Oバンド内の1326nmの温度非感応性退化発光を実験的に観察し,その効果を実証した。
この結果は、資源制約環境のための絡み合った光子源の開発に実用的応用をもたらす。
論文 参考訳（メタデータ） (2020-12-09T16:14:15Z) - Neural network-based on-chip spectroscopy using a scalable plasmonic
encoder [0.4397520291340694]
従来の分光計は、サイズ、コスト、信号対雑音比(SNR)、スペクトル分解能によって設定されるトレードオフによって制限される。
本稿では,小型で低コストなオンチップセンシング方式を用いて,深層学習に基づくスペクトル再構成フレームワークを実証する。
論文 参考訳（メタデータ） (2020-12-01T22:50:06Z) - Efficient Machine Learning Approach for Optimizing the Timing Resolution
of a High Purity Germanium Detector [0.0]
60cm3同軸高純度ゲルマニウム検出器(HPGe)による511keVガンマ線検出によるパラメータの最適化のための効率的な機械学習手法について述べる。
この方法は、自己組織化マップ(SOM)と呼ばれる人工知能ニューラルネットワーク(ANN)を用いて、その立ち上がりエッジの形状に基づいてHPGe波形をクラスタリングする。
これらの可変タイミングパラメータをHPGe信号に適用すると、511keVのピークで4.3 nsのガンマ衝突時間分解能と、全体の6.5 nsのタイミング分解能が得られる。
論文 参考訳（メタデータ） (2020-03-31T16:04:21Z)
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。