Deep learning, оно же глубокое/глубинное обучение, работает на, собственно, обучении представлениям, а не алгоритмам поведения (как обычный ИИ во всяких там играх по типу PoFV (Touhou 9)). Собственно, исследователи из Японии разработали подход, что значительно упрощает точную идентификацию и классификацию 2D материалов, с помощью рамановской спектроскопии.
Эффект Рамана, если что - это изменение длины волны света, которое происходит, когда луч света отклоняется молекулами. Из-за этого меняется частота, совершаются колебания и по ним можно определять "отпечатки пальцев", чтобы понять, что за молекула перед тобой.
Вручную этим заниматься долго, плюс требуют субъективной интерпретации, в то время как ИИ сможет выводить всю информацию и быстрее. По сути, deep learning будет в данном случае заполнять существующие пробелы.
Плюс, к модели добавили возможность шумоподавления (просто добавляли шум на оригинальные работы, чтобы ИИ мог понять, где шум, а где - нужные данные, и игнорировать лишнее, убирая шум).
Объединив этом набор данных с четырёхслойной нейросетью, получилась выходная точность в 98,8% (количество исходных данных и экспериментов надо смотреть в отдельной статье, а она не прогружается нормально - прим. редактора).
#Cirno #Science #IT@cirno_nb
Мы в VK: https://vk.com/cirno_nb
