深度学习框架加速MXene太阳能吸收体的光谱预测

研究人员开发了一个深度学习框架，用于加速MXene基太阳能吸收体的电磁光谱预测。该框架利用迁移学习，并采用经过微调的MobileNet版本2模型、用于增强特征提取的多通道光谱精炼模块以及用于降噪的Savitzky-Golay平滑。所提出的模型显著优于现有方法，实现了较低的均方根误差和较高的决定系数，为纳米光子学设计提供了一种计算高效的替代方案。 AI

影响 该框架为纳米光子学设计中的光谱预测提供了一种计算高效的方法，有可能加速新型太阳能吸收体材料的开发。

排序理由 详细介绍用于光谱预测的新型深度学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Hugging Face
• MobileNet version 2
• MXenes
• Savitzky-Golay Smoothing Filters
• Shujaat Khan

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →