研究金纳米球紫外-可见光谱的混合机器学习模型
计算物理
2020-04-16 v5 介观与纳米尺度物理
光学
等离子体物理
摘要
在此，我们采用主成分分析（PCA）和线性判别分析（LDA）来分析金纳米球（GNS）的 Mie 理论计算的紫外-可见光谱。PCA 的特征光谱表现出 Fano 型共振。三维矢量场光谱揭示了同宿轨道 Lorenz 吸引子。通过 LDA 的三维表示观察到量子限域效应。由离子声学声子和电子波振荡产生的驻波图案通过 LDA 的特征光谱加以说明。金纳米颗粒（GNP）的这种能力为高能密度物理应用带来了高度关注。此外，利用机器学习准确预测金纳米颗粒（GNP）尺寸可提供快速分析而无需昂贵分析。使用了两种由无监督 PCA 与两种不同有监督 ANN 组成的混合算法来估计 GNP 的直径。发现基于 PCA 的人工神经网络（ANN）能以高精度估计直径。
引用
@article{arxiv.1802.10182,
title = {A hybrid machine learning model to study UV-Vis spectra of gold nano spheres},
author = {B. Karlik and M. F. Yilmaz and M. Ozdemir and C. T. Yavuz and Y. Danisman},
journal= {arXiv preprint arXiv:1802.10182},
year = {2020}
}