論文の概要: Removing grid structure in angle-resolved photoemission spectra via deep learning method

• arxiv url: http://arxiv.org/abs/2210.11200v1
• Date: Thu, 20 Oct 2022 12:24:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 16:09:06.884153
• Title: Removing grid structure in angle-resolved photoemission spectra via deep learning method
• Title（参考訳）: 深層学習法による角度分解光電子分光の格子構造除去
• Authors: Junde Liu, Dongchen Huang, Yi-feng Yang, and Tian Qian
• Abstract要約: ARPES実験では、ワイヤメッシュがCCDの前に置かれ、格子状の光電子を遮断するが、迅速な測定モード中にスペクトルの格子状構造を引き起こす可能性がある。 本稿では,この問題を効果的に克服するためのディープラーニング手法を提案する。
• 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: Spectroscopic data may often contain unwanted extrinsic signals. For example, in ARPES experiment, a wire mesh is typically placed in front of the CCD to block stray photo-electrons, but could cause a grid-like structure in the spectra during quick measurement mode. In the past, this structure was often removed using the mathematical Fourier filtering method by erasing the periodic structure. However, this method may lead to information loss and vacancies in the spectra because the grid structure is not strictly linearly superimposed. Here, we propose a deep learning method to effectively overcome this problem. Our method takes advantage of the self-correlation information within the spectra themselves and can greatly optimize the quality of the spectra while removing the grid structure and noise simultaneously. It has the potential to be extended to all spectroscopic measurements to eliminate other extrinsic signals and enhance the spectral quality based on the self-correlation of the spectra solely.
• Abstract（参考訳）: 分光データは、しばしば望ましくない外因性信号を含む。 例えば、ALPES実験では、ワイヤメッシュがCCDの前に置かれ、成層光電子を遮断するが、迅速な測定モード中にスペクトルの格子状構造を引き起こす可能性がある。 過去に、この構造は周期構造を消去することで、数学的なフーリエフィルタ法を用いてしばしば取り除かれた。 しかし、この方法は、格子構造が厳密に線形に重畳されていないため、情報の損失とスペクトルの空隙をもたらす可能性がある。 本稿では,この問題を効果的に克服する深層学習手法を提案する。 本手法は,スペクトル内部の自己相関情報を利用して,格子構造とノイズを同時に除去し,スペクトルの品質を大幅に最適化する。 他の外因性シグナルを排除し、スペクトルの自己相関のみに基づくスペクトル品質を高めるため、全ての分光測定に拡張される可能性がある。

関連論文リスト

• Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
  拡張ビジョン技術は、しばしばその解釈に挑戦する。 データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。 本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。 統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
  論文  参考訳（メタデータ） (2024-01-31T09:31:28Z)
• SpectralNeRF: Physically Based Spectral Rendering with Neural Radiance Field [70.15900280156262]
  本稿では,新しいスペクトルの観点から,高品質な物理ベースレンダリングのためのエンドツーエンドニューラルラジアンスフィールド(NeRF)アーキテクチャを提案する。 スペクトルNeRFは、合成データセットと実データセットの新しいビューを合成する際に、最近のNeRFベースの方法よりも優れている。
  論文  参考訳（メタデータ） (2023-12-14T07:19:31Z)
• Spectral-wise Implicit Neural Representation for Hyperspectral Image Reconstruction [14.621504062838731]
  Coded Aperture Snapshot Spectral Imaging (CASSI) は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 HSIを再構成する既存の方法は、通常、2次元圧縮画像から所定の離散スペクトル帯域のセットへの学習マッピングを含む。 本稿では、この制限に対処するための先駆的なステップとして、スペクトルワイドインシシットニューラル表現(SINR)と呼ばれる革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-12-02T08:06:07Z)
• Unraveling Time- and Frequency-Resolved Nuclear Resonant Scattering Spectra [0.0]
  M"オスバウアー核は、硬X線エネルギーにおける量子光学、分光、ダイナミクスのための有望なプラットフォームを形成する。 我々は時間・周波数分解型核共鳴散乱スペクトルの分光法と解析法を開発した。
  論文  参考訳（メタデータ） (2022-10-18T13:31:12Z)
• 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)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)
• Tuning IR-cut Filter for Illumination-aware Spectral Reconstruction from RGB [84.1657998542458]
  再現精度は、使用中のRGBカメラのスペクトル応答に大きく依存していることが証明されている。 本稿では,既存のrgbカメラのフィルタアレイに基づくカラーイメージング機構を調査し,irカットフィルタの設計方法を提案する。
  論文  参考訳（メタデータ） (2021-03-26T19:42:21Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• 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)
• Phase-sensitive nuclear target spectroscopy (PHANTASY) [0.0]
  M"オスバウアー核は硬X線エネルギーにおいて非常に狭い共鳴を特徴とする。 現在のX線源での直接分光は、送信されたX線パルスの広い帯域幅のために困難である。
  論文  参考訳（メタデータ） (2020-03-22T09:49:54Z)
• Two-dimensional Multi-fiber Spectrum Image Correction Based on Machine Learning Techniques [8.754036933225398]
  画像収差補正により空間変動PSFの問題を解決する新しい手法を提案する。 CCD画像収差が補正されると、畳み込みカーネルであるPSFを1つの空間不変PSFのみに近似することができる。
  論文  参考訳（メタデータ） (2020-02-16T15:39:09Z)

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。