基于深度学习从光电子动量分布干涉图样中反演分子核间距
原子物理
2022-02-16 v1
摘要
我们使用卷积神经网络，基于光电子动量分布，从强少周期激光脉冲电离的二维 H 分子中反演核间距。我们表明，在由数千张图像组成的相对较小数据集上训练的神经网络能够以小于 0.1 a.u. 的绝对误差预测核间距。我们研究了焦点平均的影响，发现使用焦点平均电子动量分布训练的卷积神经网络在重建核间距方面也表现出良好性能。
引用
@article{arxiv.2108.08057,
title = {Deep learning for retrieval of the internuclear distance in a molecule from interference patterns in photoelectron momentum distributions},
author = {N. I. Shvetsov-Shilovski and M. Lein},
journal= {arXiv preprint arXiv:2108.08057},
year = {2022}
}
备注
15 pages, 3 figures