Редакция Journal of Quantitative Spectroscopy and Radiative Transfer приняла к публикации новую статью, подготовленную сотрудниками лаборатории лазерного молекулярного имиджинга и машинного обучения ТГУ на тему «The Fabry-Perot effect suppression in gas cells used in THz absorption spectrometer».
Стоит отметить, что в 2023 году это уже четвертая статья в данном журнале. Предыдущие публикации были посвящены новым разработкам, созданным при поддержке гранта Минобрнауки РФ в рамках международного сотрудничества с Францией (соглашение No. 075-15-2021-1412 (13.2251.21.0128) от 12.23.2021).
В частности, вышла статья «Gas-mixture IR absorption spectra denoising using deep learning», посвящённая новому подходу, созданному сотрудниками лаборатории для фильтрации шумов при анализе спектров.
Ранее в статье «Gas mixtures IR absorption spectra decomposition using a deep neural network» представили информацию о том, как можно использовать нейросеть для выделения компонентов из сложных проб.
Наряду с этим в Journal of Quantitative Spectroscopy and Radiative Transfer была опубликована статья «Super-resolution reconstruction of noisy gas-mixture absorption spectra using deep learning», в которой описывается новый подход повышения спектрального разрешения экспериментальных спектральных данных с помощью методов искусственного интеллекта.
Редакция журнала отметила высокий профессионализм авторов публикаций и выразила надежду на дальнейшее плодотворное сотрудничество в наступающем 2024 году.