由Compuscript有限公司制作
开发深度学习模式
信用:计算机脚本有限公司 在《光电子进展》杂志的一份新出版物中，加拿大安大略省安大略理工大学的Shreeniket Joshi和Amirkianoosh Kiani讨论了混合人工神经网络和用于预测3D纳米网络硅结构的光学常数和带隙能量的分析模型
本研究介绍了一种测定新型硅薄膜(纳米材料)光学性能的可靠方法
用脉冲激光束轰击硅片，在玻璃上沉积硅薄膜
由于实验数据有限，寻找新型纳米材料的光学特性具有挑战性
发现现有的用于寻找光学特性的模型复杂且容易出错，本研究提出了一种将分析模型与人工神经网络相结合的新方法
使用人工神经网络的目的是开发一个数学函数来预测新型薄膜的光学常数
这种方法被认为有95%的准确性
博士研究小组
安大略理工大学的Amirkianoosh Kiani提出了这项研究，以发现新型硅薄膜的光学特性，该方法得到了确凿证据的验证，证明是准确可靠的
对于透明的新型材料，可以使用透射率和反射率的实验数据来确定光学特性
然而，对不透明材料进行同样的处理是很有挑战性的，因为在这种情况下只有反射数据可用
该研究可用于建立可用实验数据之间的数学关系，并显示出仅从反射率数据预测不透明材料的光学特性的有希望的潜力
此外，发现本研究中讨论的新型硅薄膜的光学性质具有1
648，这个值接近于用于收集太阳能的材料
由于硅薄膜具有惊人的表面积，具有这种能带隙的材料可以证明在太阳能应用中非常有效
研究小组还打算用这种方法来激发二氧化钛、金纳米粒子等材料
用于生物医学应用
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
