論文の概要: Optimizing Spectral Prediction in MXene-Based Metasurfaces Through Multi-Channel Spectral Refinement and Savitzky-Golay Smoothing

• arxiv url: http://arxiv.org/abs/2602.08406v1
• Date: Mon, 09 Feb 2026 09:09:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.141562
• Title: Optimizing Spectral Prediction in MXene-Based Metasurfaces Through Multi-Channel Spectral Refinement and Savitzky-Golay Smoothing
• Title（参考訳）: マルチチャネルスペクトル再構成とサビスキーゴレー平滑化によるMXene系地表面のスペクトル予測の最適化
• Authors: Shujaat Khan, Waleed Iqbal Waseer,
• Abstract要約: MXeneベースの太陽吸収器の電磁スペクトルの予測は計算集約的な課題であり、伝統的にフルウェーブ・ソルバを用いて処理される。 本研究では,移動学習,多チャンネルスペクトル改善,Savitzky-Golay平滑化を取り入れた効率的なディープラーニングフレームワークを提案する。 提案するフレームワークは従来の解法に代わるスケーラブルで効率的な代替手段であり、ナノフォトニクス設計における高速なスペクトル予測の候補として位置づけられている。
• 参考スコア（独自算出の注目度）: 2.9649783577150832
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The prediction of electromagnetic spectra for MXene-based solar absorbers is a computationally intensive task, traditionally addressed using full-wave solvers. This study introduces an efficient deep learning framework incorporating transfer learning, multi-channel spectral refinement (MCSR), and Savitzky-Golay smoothing to accelerate and enhance spectral prediction accuracy. The proposed architecture leverages a pretrained MobileNetV2 model, fine-tuned to predict 102-point absorption spectra from $64\times64$ metasurface designs. Additionally, the MCSR module processes the feature map through multi-channel convolutions, enhancing feature extraction, while Savitzky-Golay smoothing mitigates high-frequency noise. Experimental evaluations demonstrate that the proposed model significantly outperforms baseline Convolutional Neural Network (CNN) and deformable CNN models, achieving an average root mean squared error (RMSE) of 0.0245, coefficient of determination \( R^2 \) of 0.9578, and peak signal-to-noise ratio (PSNR) of 32.98 dB. The proposed framework presents a scalable and computationally efficient alternative to conventional solvers, positioning it as a viable candidate for rapid spectral prediction in nanophotonic design workflows.
• Abstract（参考訳）: MXeneベースの太陽吸収器の電磁スペクトルの予測は計算集約的な課題であり、伝統的にフルウェーブ・ソルバを用いて処理される。 本研究では,移動学習,多チャンネルスペクトル改善(MCSR),サヴィツキー・ゴレイ平滑化を取り入れた効率的なディープラーニングフレームワークを導入し,スペクトル予測精度を向上する。 提案アーキテクチャは事前トレーニングされたMobileNetV2モデルを利用して,6.4\times64$のメタサーフェス設計から102点吸収スペクトルを予測する。 さらに、MCSRモジュールはマルチチャネル畳み込みを通じて特徴マップを処理し、特徴抽出を強化し、サヴィツキー・ゴレー平滑化は高周波ノイズを緩和する。 実験により,提案モデルがベースラインの畳み込みニューラルネットワーク(CNN)と変形可能なCNNモデルを大きく上回り,平均根平均二乗誤差(RMSE)0.0245,判定係数(R^2 \)0.9578,ピーク信号-雑音比(PSNR)32.98dBを達成した。 提案するフレームワークは従来の解法に代わるスケーラブルで効率的な代替手段であり,ナノフォトニクス設計ワークフローにおける高速なスペクトル予測の候補として位置づけられている。

関連論文リスト

• Spectral Gating Networks [65.9496901693099]
  我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。 SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。 計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
  論文  参考訳（メタデータ） (2026-02-07T20:00:49Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• A Surrogate Model for the Forward Design of Multi-layered Metasurface-based Radar Absorbing Structures [3.328784252410173]
  本稿では,多層準曲面RASの電磁(EM)応答の予測を著しく高速化する代理モデルを提案する。 提案したモデルは、99.9%のコサイン類似性を達成し、平均2乗誤差は1000エポック内の0.001である。
  論文  参考訳（メタデータ） (2025-05-14T09:54:00Z)
• SpectrumFM: A Foundation Model for Intelligent Spectrum Management [99.08036558911242]
  既存のインテリジェントスペクトル管理手法は、通常は小規模モデルに基づいており、認識精度、収束速度、一般化の顕著な制限に悩まされている。 本稿では、スペクトルFMと呼ばれる新しいスペクトル基盤モデルを提案し、スペクトル管理のための新しいパラダイムを確立する。 実験により、SpectrumFMは精度、堅牢性、適応性、少数ショット学習効率、収束速度の点で優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-05-02T04:06:39Z)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)
• A Kaczmarz-inspired approach to accelerate the optimization of neural network wavefunctions [0.7438129207086058]
  本稿では, このボトルネックを軽減するために, サブスタンプ・プロジェクテッド・グラディエント・インクリメント・ナチュラル・ディフレクション(SPRing)を提案する。 SPRingは、最近導入された最小ステップ再構成(MinSR)と、線形最小二乗問題を解くための古典的ランダム化カッツマルツ法(英語版)のアイデアを組み合わせたものである。 我々は、SPRingがMinSRとKronecker-Factored Approximate Curvature法(KFAC)の両方を多数の小さな原子や分子で上回ることを示した。
  論文  参考訳（メタデータ） (2024-01-18T18:23:10Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• On the optimization and pruning for Bayesian deep learning [1.0152838128195467]
  重み空間上でニューラルネットワークを学習するための適応型変分ベイズアルゴリズムを提案する。 EM-MCMCアルゴリズムにより,ワンショットで最適化とモデルプルーニングを行うことができる。 我々の密度モデルは最先端の性能に到達でき、スパースモデルは以前提案したプルーニング方式と比較して非常によく機能する。
  論文  参考訳（メタデータ） (2022-10-24T05:18:08Z)
• Rayleigh-Gauss-Newton optimization with enhanced sampling for variational Monte Carlo [0.0]
  変分モンテカルロで用いられる最適化とサンプリング手法を解析する。 パフォーマンスを改善するために変更を導入します。 特に、RGNをエネルギースパイクに対して堅牢にすることができることを示す。
  論文  参考訳（メタデータ） (2021-06-19T19:05:52Z)
• NeRF in detail: Learning to sample for view synthesis [104.75126790300735]
  ニューラルレイディアンス場(NeRF)法は目覚ましい新しいビュー合成を実証している。 この作業では、バニラ粗大なアプローチの明確な制限に対処します -- パフォーマンスに基づいており、手元にあるタスクのエンドツーエンドをトレーニングしていません。 我々は、サンプルの提案と、そのネットワークにおける重要性を学習し、そのニューラルネットワークアーキテクチャに対する複数の代替案を検討し比較する、微分可能なモジュールを導入する。
  論文  参考訳（メタデータ） (2021-06-09T17:59:10Z)

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。