非线性流形学习从拉曼光谱确定微凝胶尺寸

聚合物颗粒尺寸是聚合过程中产品质量的关键特性。拉曼光谱是一种成熟且可靠的过程分析技术，用于在线浓度监测。最近的方法和一些理论考虑显示了拉曼信号与颗粒尺寸之间的相关性，但并未从拉曼光谱测量中准确可靠地确定聚合物尺寸。鉴于此，我们提出了三种替代的机器学习工作流程来执行此任务，所有流程都涉及扩散映射，一种用于降维的非线性流形学习技术：（i）直接来自扩散映射，（ii）交替扩散映射，以及（iii）共形自编码器神经网络。我们将这些工作流程应用于一个包含 47 个微凝胶（交联聚合物）样品的拉曼光谱数据集，这些样品通过动态光散射测量的尺寸范围在 208nm 到 483 nm 之间。共形自编码器显著优于现有最先进的方法，并首次取得了从拉曼光谱预测聚合物尺寸的有希望的结果。