卷积神经网络从合成多极-Padé谱训练后单次前向推断等离激元极点,并迁移到第一性原理与实验介电谱
该工作构建了一个一维卷积神经网络,用解析多极-Padé表达式随机采样生成的合成介电谱训练,直接反演谱的极点参数(能量、展宽、谱重),无需材料专属数据;在合成验证谱、RPA第一性原理谱(Al、Ca、Ti)以及实验谱(Si、ZnO、Ta、Mo)上,单次前向即可重建主导谱结构,且仅用虚部输入也能恢复极点表示。
该工作构建了一个一维卷积神经网络,用解析多极-Padé表达式随机采样生成的合成介电谱训练,直接反演谱的极点参数(能量、展宽、谱重),无需材料专属数据;在合成验证谱、RPA第一性原理谱(Al、Ca、Ti)以及实验谱(Si、ZnO、Ta、Mo)上,单次前向即可重建主导谱结构,且仅用虚部输入也能恢复极点表示。
已读完全部报道