Глубокая нейросеть помогает ученым ТГУ убирать шумы при анализе спектров
– Шумовая составляющая затрудняет количественный и качественный анализ спектральных данных, полученных с использованием оптических методов, – поясняет заведующий лабораторией лазерного молекулярного имиджинга и машинного обучения ТГУ Юрий Кистенёв. – Для уменьшения шумов созданы различные фильтры, однако подавляющее большинство из них одновременно с фильтрацией искажает полезный сигнал. Например, широко используемый фильтр Гаусса приводит к «размыванию» сигнала. Это можно сравнить с картинкой с расплывчатыми границами.
Заведующий лабораторией лазерного молекулярного имиджинга и машинного обучения ТГУ Юрий Кистенёв
Ученые лаборатории ТГУ нашли техническое решение задачи. Они обучили глубокую нейросеть на большой выборке данных, в том числе зашумленных, синтезированных с учетом специфики задачи. Затем нейросеть протестировали на других спектральных данных, которые не использовались в обучении нейросети. По словам разработчиков, модельные эксперименты показали высокую эффективность фильтрации. Причем, новый подход позволил не только существенно уменьшать уровень помех, но и восстанавливать исходный сигнал из зашумленного.
Подход разработан в рамках проекта, реализуемого учеными Томского госуниверситета совместно с коллегами из Университета прибрежного опалового побережья (Франция) при поддержке Минобрнауки РФ. В рамках совместных исследований также создан новый способ анализа молекулярных компонент в атмосфере с помощью методов терагерцовой спектроскопии и искусственного интеллекта. Его можно будет использовать для анализа химических соединений в атмосфере с целью экологического мониторинга и контроля индустриальных загрязнений. Наряду с этим разработка поможет противостоять техногенным, биогенным и террористическим угрозам.
– По сути, технология, созданная для фильтрации шумов, является универсальной – ее можно адаптировать под разные оптические методы, будь то терагерцовая спектроскопия, рамановская спектроскопия или другие виды спектрального анализа, – говорит Юрий Кистенёв. – Мы, например, используем глубокую нейросеть, способную «очищать» спектральный сигнал от шума при создании новых методов диагностики заболеваний по выдыхаемому воздуху. Работа над ними идет на базе лаборатории при поддержке мегагранта правительства РФ.
Источник:Новости ТГУ