近日，我院夏果老师课题组发表在光学领域国际期刊《Applied Optics》上的研究论文被国际著名工程学科技机构“Advances In Engineering”（简称AIE）遴选为关键科学文章（a key scientific article），并以“Spectral bandwidth correction with optimal parameters based on deep learning”为题在电子工程（Electrical Engineering）栏目进行专题报道。硕士研究生崔浩为第一作者，夏果老师为通讯作者。

光谱仪是最常见的将成分复杂的光分解为光谱线的科学仪器，光谱仪测量的光谱数据的精度通常受到硬件、光路设计、环境因素等方面的影响。其中，带宽是光谱仪数据处理过程中需要考虑的重要因素，也是能够提高光谱仪精度的关键技术之一。目前，光谱仪带宽校正的研究大都集中在分析带宽函数对测量光谱的影响，利用测量光谱、带宽函数、实际光谱之间存在的数学关系来获得实际光谱。

夏果团队提出了一种新的基于深度学习的最优参数选择方法，并通过构造和训练神经网络获得相应带宽校正算法的最优参数。在目前的带宽校正算法中，用合理的方法选择最优参数是一个重要问题。为了在光谱带宽校正中选择相应算法的最优参数，采用深度学习进行最优参数选择；通过神经网络得到带宽校正中的最优参数，并结合相应算法进行光谱复原。首先，分析了光谱带宽校正的模型，用最小二乘法说明了参数选择的重要性。然后，介绍了通过深度学习选择最优参数的过程，并构建了一个用于训练的数据库和多层感知机神经网络。最后，将训练得到的最优参数用于相应的带宽校正算法，并使用白光LED和拉曼光谱进行模拟和实验，证明了基于深度学习的最优参数选择方法的有效性。该研究成果对光谱校正工作具有指导性意义。

图 1. AIE专题报道图片

AIE主要面向工程科技领域的科学家、工程师及大学师生，拥有广泛的读者群和较大的影响力。AIE每周由其委员会筛选出20篇左右的优秀论文进行特别报道，研究方向包括材料、化学、电气、机械、纳米技术、土木以及通用工程（航空航天、通信、计算机），入选率仅为上述领域论文总数的1‰以内。目前，AIE每月的阅读量达80万次，被世界排名前40位的工程公司和全球主要研究机构所链接，用于跟踪重要的工程科技进展。

Advances in Engineering（AIE）报道原文链接：https://advanceseng.com/spectral-bandwidth-correction-optimal-parameters-based-deep-learning/

相关文章链接：https://www.osapublishing.org/ao/abstract.cfm?uri=ao-60-5-1273