基于可调 AlGaN/GaN 电子可调性等离子体晶体分析仪的 THz 传输谱神经网络重建
光学
2026-05-06 v1 材料科学
摘要
我们演示了基于机器学习(ML)的 terahertz(THz)传输谱重建方法，使用可电调的 AlGaN/GaN 激光针状晶体分析仪。分析仪将传输谱编码为电压依赖的强度，然后由 ML 算法进行逆变。在合成数据集上训练的前馈神经网络在标准傅里叶变换红外(FTIR)模式和直接(固定镜面)获取模式下均通过实验验证。该网络在 FTIR 模式下的均方误差(MSE)为 0.015，在直接模式下的 MSE为 0.038，正确识别了每个模式下六个以上的真实谐振。相对于第一差分 Tikhonov 正则化基线，该网络在 FTIR 模式下的均值重建误差降低 3.6 倍，在直接模式下降低 1.55 倍，伴随更少的伪峰和更低的峰位误差。电压可调等离子体滤波结合神经网络逆变建立了一个无干涉仪体系结构，用于 THz 谱重建。
关键词
引用
@article{arxiv.2605.03778,
title = {Neural-network reconstruction of THz transmission spectra using electrically tunable AlGaN/GaN plasmonic-crystal analyzer},
author = {A. Witkowska and M. Dub and P. Sai and P. Tiwari and M. Sakowicz and J. A. Majewski and W. Knap},
journal= {arXiv preprint arXiv:2605.03778},
year = {2026}
}
备注
9 pages, 4 figures, 1 table