論文の概要: Universal Spectral Transfer with Physical Prior-Informed Deep Generative Learning
- arxiv url: http://arxiv.org/abs/2407.16094v1
- Date: Mon, 22 Jul 2024 23:31:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-24 19:05:22.006891
- Title: Universal Spectral Transfer with Physical Prior-Informed Deep Generative Learning
- Title（参考訳）: 物理的事前情報を用いた深層学習によるユニバーサルスペクトル伝達
- Authors: Yanmin Zhu, Loza F. Tadesse,
- Abstract要約: 本稿では、スペクトルシグネチャを生成するための新しい物理的事前情報深層生成モデルであるSpectroGenを紹介する。
結果,99%の相関と0.01の根平均二乗誤差が得られた基底真理スペクトルよりも優れた分解能を示した。
- 参考スコア（独自算出の注目度）: 9.603403541272746
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spectroscopy is a powerful analytical technique for characterizing matter across physical and biological realms1-5. However, its fundamental principle necessitates specialized instrumentation per physical phenomena probed, limiting broad adoption and use in all relevant research. In this study, we introduce SpectroGen, a novel physical prior-informed deep generative model for generating relevant spectral signatures across modalities using experimentally collected spectral input only from a single modality. We achieve this by reimagining the representation of spectral data as mathematical constructs of distributions instead of their traditional physical and molecular state representations. The results from 319 standard mineral samples tested demonstrate generating with 99% correlation and 0.01 root mean square error with superior resolution than experimentally acquired ground truth spectra. We showed transferring capability across Raman, Infrared, and X-ray Diffraction modalities with Gaussian, Lorentzian, and Voigt distribution priors respectively6-10. This approach however is globally generalizable for any spectral input that can be represented by a distribution prior, making it universally applicable. We believe our work revolutionizes the application sphere of spectroscopy, which has traditionally been limited by access to the required sophisticated and often expensive equipment towards accelerating material, pharmaceutical, and biological discoveries.
- Abstract（参考訳）: 分光法は、物理的および生物学的領域1-5にまたがる物質を特徴づける強力な分析技術である。
しかし、その基本的な原理は、調査された物理現象ごとに専門的な計測装置を必要とするため、関連するすべての研究において広く採用され、使用が制限される。
本研究では,単一モードのみのスペクトル入力を実験的に収集し,モダリティ間で関連するスペクトルシグネチャを生成する,新しい物理的事前インフォームド深部生成モデルであるSpectroGenを紹介する。
我々は、従来の物理状態や分子状態の表現ではなく、分布の数学的構成としてスペクトルデータの表現を再定義することで、これを実現できる。
試験した319の標準鉱物試料から,99%の相関関係と0.01の根平均2乗誤差が得られた。
ガウス,ローレンツ,ヴォイグト各分布のラマン,赤外,X線回折の移動特性をそれぞれ6-10。
しかし、この手法は、事前に分布で表現できる任意のスペクトル入力に対して全世界的に一般化可能であり、普遍的に適用できる。
我々の研究は分光学の応用分野に革命をもたらすと信じており、それは伝統的に、必要とされる洗練された、しばしば高価な機器へのアクセスによって、材料、医薬品、生物学的発見を加速させることによって制限されてきた。
関連論文リスト
- Quantum tomography of helicity states for general scattering processes [65.268245109828]
量子トモグラフィーは、物理学における量子系の密度行列$rho$を計算するのに欠かせない道具となっている。
一般散乱過程におけるヘリシティ量子初期状態の再構成に関する理論的枠組みを提案する。
論文 参考訳（メタデータ） (2023-10-16T21:23:42Z) - HoloNets: Spectral Convolutions do extend to Directed Graphs [59.851175771106625]
従来の知恵は、スペクトル畳み込みネットワークは無向グラフ上にしか展開できないと規定している。
ここでは、このグラフフーリエ変換への伝統的な依存が超フルであることを示す。
本稿では,新たに開発されたフィルタの周波数応答解釈を行い,フィルタ表現に使用するベースの影響を調査し,ネットワークを基盤とする特性演算子との相互作用について議論する。
論文 参考訳（メタデータ） (2023-10-03T17:42:09Z) - Towards Predicting Equilibrium Distributions for Molecular Systems with
Deep Learning [60.02391969049972]
本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。
DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
論文 参考訳（メタデータ） (2023-06-08T17:12:08Z) - RamanNet: A generalized neural network architecture for Raman Spectrum
Analysis [4.670045009583903]
ラマン分光法は分子の振動プロファイルを提供し、異なる種類の物質を識別するために用いられる。
近年のRaman Spectraデータ量の増加にもかかわらず、Raman Spectra分析のための一般化された機械学習手法の開発には大きな努力が払われていない。
既存の手法を検証、実験、評価し、現在の逐次モデルも従来の機械学習モデルも、Ramanスペクトルの分析に十分満足できないと推測する。
論文 参考訳（メタデータ） (2022-01-20T23:15:25Z) - 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) - Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。
1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。
ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
論文 参考訳（メタデータ） (2021-05-27T18:00:02Z) - Quantum particle across Grushin singularity [77.34726150561087]
2つの半円柱を分離する特異点を横断する透過現象について検討する。
自由(ラプラス・ベルトラミ)量子ハミルトンの局所的な実現は、透過/反射の非等価なプロトコルとして検討される。
これにより、文献で以前に特定されたいわゆる「ブリッジング」送信プロトコルの区別された状態を理解することができる。
論文 参考訳（メタデータ） (2020-11-27T12:53:23Z) - Cycle-StarNet: Bridging the gap between theory and data by leveraging
large datasets [0.0]
現在のスペクトル分析の自動化手法は、(a)データ駆動であり、恒星パラメータと元素の存在量の事前の知識を必要とするか、(b)理論と実践のギャップに影響を受けやすい理論合成モデルに基づくかのいずれかである。
本研究では、シミュレーションされた恒星スペクトルを、教師なし学習を大規模分光サーベイに適用することにより、現実的なスペクトルに変換するハイブリッドな生成領域適応法を提案する。
論文 参考訳（メタデータ） (2020-07-06T23:06:58Z) - A Review of 1D Convolutional Neural Networks toward Unknown Substance
Identification in Portable Raman Spectrometer [0.0]
ラマン分光法は、品質管理から最先端の生物医学研究まで、強力な分析ツールである。
これらは、未知の物質のフィールド分析のために、最初の応答者や法執行機関によって広く採用されている。
ラマン分光法による未知物質の検出と同定は、手元にある装置のスペクトルマッチング能力に大きく依存している。
論文 参考訳（メタデータ） (2020-06-18T14:28:00Z) - 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) - Deep Neural Networks for the Correction of Mie Scattering in
Fourier-Transformed Infrared Spectra of Biological Samples [0.0]
本稿では,この複雑な前処理関数をディープニューラルネットワークを用いて近似する手法を提案する。
提案手法は, 時間と補正スペクトルとのトレードオフを克服し, 人工基準スペクトルに偏りを生じさせる。
論文 参考訳（メタデータ） (2020-02-18T16:07:07Z)
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。