Разведочный анализ спектров поляризационного комбинационного рассеяния кристаллов ZnGeP₂ методами машинного обучения | Известия вузов. Физика. 2025. № 11. DOI: 10.17223/00213411/68/11/9

Разведочный анализ спектров поляризационного комбинационного рассеяния кристаллов ZnGeP₂ методами машинного обучения

Проведен разведочный анализ спектров поляризационного комбинационного рассеяния образцов кристаллов ZnGeP₂ методами машинного обучения. Экспериментальные данные получены на установке для регистрации спектров комбинационного рассеяния в трех конфигурациях: естественный свет, параллельно поляризованный свет и перпендикулярно поляризованный свет. Методы машинного обучения включали уменьшение размерности спектральных данных методом главных компонент, блочным методом наименьших квадратов, стохастическим вложением соседей с t-распределением. Показана разделимость данных на группы в зависимости от кристаллографического направления и поляризации кристаллов. Полученные результаты могут быть использованы для построения предиктивных моделей определения ориентаций кристаллов ZnGeP₂.

Скачать электронную версию публикации

Загружен, раз: 2

Ключевые слова

ZnGeP₂, комбинационное рассеяние света, машинное обучение, поляризация, фононные моды

Авторы

ФИО	Организация	Дополнительно	E-mail
Вражнов Денис Александрович	Институт оптики атмосферы им. В.Е. Зуева СО РАН	ст. науч. сотр.	vda@iao.ru
Князькова Анастасия Игоревна	Институт оптики атмосферы им. В.Е. Зуева СО РАН	к.ф.-м.н., науч. сотр.	knyazkova@iao.ru
Снегерев Михаил Сергеевич	Национальный исследовательский Томский государственный университет	лаборант лаборатории лазерного молекулярного имиджинга и машинного обучения	snegerev@mail.tsu.ru
Распопин Георгий Константинович	Институт оптики атмосферы им. В.Е. Зуева СО РАН	мл. науч. сотр.	RaspopinGK@mail.tsu.ru
Кистенeв Юрий Владимирович	Институт оптики атмосферы им. В.Е. Зуева СО РАН	д.ф.-м.н., профессор, гл. науч. сотр.	yuk@iao.ru

Всего: 5

Ссылки

Yudin N. et al. // Crystals. - 2023. - V. 13. - No. 3. - P. 440. - DOI: 10.3390/cryst13030440.

Grechin S.G., Muravev I.A. // Photonics. - 2024. - V. 11. - No. 5. - P. 450. - DOI: 10.3390/photonics11050450.

Voevodin V.I. et al. // Photonics. - 2023. - V. 10. - No. 7. - P. 827. - DOI: 10.3390/photonics10070827.

Dhar S., Nag B.R. // J. Cryst. Growth. - 1978. - V. 43. - No. 1. - P. 120-122. - DOI: 10.1016/0022-0248(78)90376-7.

Younes K. et al. // Gels. - 2023. - V. 9. - No. 4. - P. 304. - DOI: 10.3390/gels9040304.

Lee L.C., Liong C.Y., Jemain A.A. // Analyst. - 2018. - V. 143. - No. 15. - P. 3526-3539. - DOI: 0.1039/C8AN00599K.

Asri M.N.M. et al. // Chemometrics and Intelligent Laboratory Systems. - 2022. - V. 225. - P. 104557. - DOI: 10.1016/j.chemolab.2022.104557.

Stevens F. et al. // J. Chemometrics. - 2024. - V. 38. - No. 4. - P. e3544. - DOI: 10.1002/cem.3544.

Hasan B.M.S., Abdulazeez A.M. // J. Soft Comput. Data Mining. - 2021. - V. 2. - No. 1. - P. 20-30. - DOI: 10.30880/jscdm.2021.02.01.003.

Ruiz-Perez D. et al. // BMC Bioinformatics. - 2020. - V. 21. - Suppl 1. - P. 2. - DOI: 10.1186/s12859-019-3310-7.

Palo H.K., Sahoo S., Subudhi A.K. // Data Anal. Bioinform.: A Machine Learning Perspective. - 2021. - P. 77-107.

Barreto D.F. An exploratory analysis using t-SNE. - 2018.

Zhang Z.M., Chen S., Liang Y.Z. // Analyst. - 2010. - V. 135. - No. 5. - P. 1138-1146. - DOI: 10.1039/b922045c.