用于 X 射线光子相关光谱中结构动力学数据的全卷积去噪方法
机器学习
2026-05-29 v1 信号处理
摘要
我们提出了一种用于去噪 X 射线光子相关光谱（XPCS）中二时序强度-强度相关函数（）的全卷积去噪自编码器（FC-DAE）。不同于传统去噪自编码器通常受限于固定输入尺寸，FC-DAE 能接受任意尺寸的输入，同时在不同动力学范畴之间保持相关结构。该模型使用实验获取的 NSLS-II 束流线收集的 数据进行训练，通过数据增强扩大数据集多样性并减少过拟合。FC-DAE 能在信噪比较低的条件下成功恢复复杂的动力学特征，同时保持结构保真性。为评估重建可靠性，我们采用定量指标评估结构保真性并识别潜在的模型引入偏差。我们的结果表明，FC-DAE 在高计算效率下提供稳健的去噪性能，使能够在受限光子和低剂量测量条件下恢复 XPCS 动力学。
关键词
引用
@article{arxiv.2605.29975,
title = {A Fully Convolutional Approach to Denoising Structural Dynamics Data from X-Ray Photon Correlation Spectroscopy},
author = {Nisar Nellikunnummel and Andi Barbour and Lutz Wiegart and Tatiana Konstantinova and Anthony DeGennaro},
journal= {arXiv preprint arXiv:2605.29975},
year = {2026}
}