搜索结果: 1-15 共查到“知识要闻 光学工程 学习”相关记录18条 . 查询时间(0.14 秒)
中国科学院化学研究所何圣贵课题组在机器学习团簇化学研究方面取得新进展(图)
何圣贵 机器学习 化学 电子结构
2024/6/4
低碳烷烃是工业制备高附加值化学品的重要原料,由于低碳烷烃的C−H键非常惰性,通过设计合理的催化剂实现其绿色高效转化一直是化学领域的挑战性课题,在电子结构层面理解C−H键活化的机制对于理性设计温和条件下转化烷烃的催化剂具有重要意义。催化剂表面化学键的生成和断裂一般发生在少数原子形成的活性中心处,单原子精准的金属团簇具有确定的结构和性质,是研究金属中心活化C−H键微...
中国科学院大气物理研究所机器学习集成模型改进京津冀二次无机气溶胶模拟(图)
机器学习 集成模型 无机气溶胶
2024/4/13
二次无机气溶胶是大气细颗粒物(PM2.5)的重要组分,其快速生成与积累往往是冬季重污染天气出现的关键因素。传统的空气质量数值模式由于输入数据的不确定性和模式内部物理化学机制模拟方案的不完善,导致二次无机气溶胶模拟仍然具有较大的不确定性。
中国科学院力学研究所基于机器学习和物理增强的本构模型捕获纳米尺度变形局域化(图)
纳米尺度 固体 计算框架
2024/4/18
固体中的局域变形,例如:地震、滑坡、剪切带等,是材料和结构灾变前的表象。这些狭长的带状结构内部,其特征尺寸、强度、温度和剪切速率等演化行为与其他均匀变形部分之间存在着数量级上的差异,如何复现这一局部化过程、刻画局部化区域内和其他部分之间的力学行为差异,是一个宏观上难以下来,微观上难以上去的核心区,是实验和计算上的挑战。
中国科学院大气物理研究所可解释集成机器学习揭示气象和排放源对杭州臭氧形成的影响(图)
集成 机器 气象 臭氧形成
2024/4/13
位于中国东部的特大城市杭州近年来O3污染严重,明确O3污染形成的关键驱动因素对抑制O3恶化至关重要。化学传输模型和传统统计方法在量化气象和排放源对O3形成的影响上各自存在局限性。基于数据驱动方法,开发一种能够快速、准确、全面评估各个驱动因素对O3形成影响的新方法具有重要意义,对解析杭州或其他城市O3污染成因具有重要参考价值。
中国科学院物理研究所基于深度学习的多光学参量调控研究取得进展(图)
光学系统 集成 纳米物理
2023/10/26
小型化和片上光学系统集成化的发展趋势要求器件的多功能化和更大的数据存储容量。超表面是一种超薄平面人工亚波长结构,显示新颖的光学现象和强大的波前操纵能力。与单一功能或单一维度调控的超表面相比,具有多光学参量调控能力的超表面在高分辨率光学全息、亚衍射成像、偏振传感和矢量场生成等各种实际应用中展现出巨大的优势。然而,在超表面的设计与应用中,由于缺乏普适的结构设计策略、有限的操作通道和信噪比低等问题,探索...
中国科学院上海光机所在基于深度学习的散射成像研究方面取得进展(图)
散射成像 光学精密机械 光子学
2023/5/31
2023年5月18日,中国科学院上海光学精密机械研究所量子光学重点实验室副研究员刘红林与香港理工大学教授赖溥祥课题组、上海理工大学教授张大伟合作,在基于深度学习的散射成像机理与应用边界的研究方面取得重要进展。相关成果以The physical origin and boundary of scalable imaging through scattering media: a deep learn...
上海光机所在基于深度学习的散射成像研究方面取得进展(图)
散射成像 光学成像
2023/6/16
2023年5月5日,中科院量子光学实验室刘红林副研究员与香港理工赖溥祥教授课题组、上海理工大学张大伟教授合作,在基于深度学习的散射成像机理与应用边界方面研究取得重要进展。相关成果以“The physical origin and boundary of scalable imaging through scattering media: a deep learning-based explorat...
重庆师范大学物理与电子工程学院成功组织党史学习教育讲座(图)
重庆师范大学物理与电子工程学院 党史学习 教育讲座
2022/12/28
2022年10月13日下午,重庆师范大学物理与电子工程学院党委采取线上线下相结合方式组织了思想政治教育活动。本次学习邀请了市委宣讲团成员、重庆工商大学马克思主义学院党委书记宋明江教授,为重庆师范大学物理与电子工程学院全体教职工带来了题为“平视世界的理论根基与战略主动”专题辅导报告,学院全体教职工参加了学习讲座,本次学习活动由学院党委书记杨云主持。
近期,南京理工大学电子工程与光电技术学院陈钱、左超教授团队与新加坡南洋理工大学钱克矛教授在国际顶尖期刊《光:科学与应用》(Light:Science&Applications)上发表题为“Deep learning in optical metrology:a review”的综述文章,并被选为当期封面论文。南京理工大学电子工程与光电技术学院左超教授、博士生钱佳铭是该论文共同第一作者,左超、陈钱、...
多模光纤成像技术因其超细微型探头和柔性结构带来的灵活性优势,在生物体内成像、工业检测等领域具有广阔的应用前景,获得了业界广泛的关注。目前,多模光纤成像技术主要分为两类,一类通过在光纤远端产生聚焦点进行扫描成像,另一类通过探测光纤近端的散斑场来恢复光纤远端被探测的全场图像。这两种技术途径已有较完善的理论支撑,能得到较清晰的探测图像,但同时也具有一些难以弥补的劣势。例如:受限于空间光调制器、CCD或C...
目前,求解计算成像中的逆问题通常需要知道成像物理模型和物体先验信息。但是,在很多实际应用中,物理模型并不能被准确地表征,这会导致模型不确定性,影响重建物体图像的质量。为了减小模型不确定性的影响,当前的研究主要集中在贝叶斯近似方法或者数据驱动深度学习方法,虽然在一定程度上可以减少模型不确定性,但是需要大量的数据进行参数估计。因此,在少量测量下进行模型不确定性估计是科研人员研究的方向和重点。
2021年1月21日,清华大学自动化系、清华大学脑与认知科学研究院戴琼海课题组与中国科学院生物物理所李栋课题组在《自然•方法》(Nature Methods)期刊发表了题为“光学显微成像中超分辨卷积神经网络的测评和发展”(Evaluation and development of deep neural networks for image super-resolution in op...
中国科学院上海光学精密机械研究所提出了对二维材料光谱学进行机器学习研究的新方案(图)
二维材料 光谱学 机器学习
2020/11/24
近期,中国科学院上海光学精密机械研究所微纳光电子功能材料实验室在利用随机森林算法实现二维材料层数和缺陷识别方面取得新进展,揭示了机器学习算法在二维材料光谱学研究领域的应用潜力,相关工作发表在[ Nanomaterials 2020, 10, 2223 ]。