基于神经网络的复杂原子发射光谱线检测方法
原子物理
2025-01-23 v2
摘要
开放d-和f壳元素原子光谱和结构极其复杂，可观测到的在红外和紫外波段可见数万条细结构能级之间的跃迁作为光谱线。能级量子特性和跃迁波数是这些元素光谱plasma诊断调查的基石，尤其在天文学和聚变研究中需求突出。尽管如此，这些基本数据对于许多物种仍不完整。开放d-和f壳元素的发射光谱分析的一个主要限制是从光谱中提取跃迁波数和强度所需的时间和人力资源。本文采用双向长短期记忆网络（LSTM）对光谱点进行编码，利用全连接神经网络解码跃迁波数位置。该模型使用仿真原子光谱进行训练，并在Ni（Z=28）覆盖1800-70,000 cm（5555-143 nm）以及Nd（Z=60）覆盖25,369-32,485 cm（394-308 nm）的实验Fourier变换光谱上进行评估。对线检测的改进尤其在面对噪声、重叠或受仪器光谱分辨率受限脉冲干扰的光谱线时尤为明显。在评估模型性能时，使用神经网络新检测到的Ni II线进行能级分析，成功确认了两个Ni II能级、位于134,261.89460.0081 cm以及位于134,249.52640.0054 cm，这些能级先前被认为在先前分析的Ni光谱中无法识别。
引用
@article{arxiv.2501.12276,
title = {A neural network approach for line detection in complex atomic emission spectra measured by high-resolution Fourier transform spectroscopy},
author = {M. Ding and S. Z. J. Lim and X. Yu and C. P. Clear and J. C. Pickering},
journal= {arXiv preprint arXiv:2501.12276},
year = {2025}
}