Download file (1.44MB)
Download as zip (1.4MB)

コレクション

引用

説明:

放射光施設の世界的な第4世代化に伴い、超高輝度プローブ光を利用して、多くのパラメータを掃引する多次元X線分光計測が可能になった。必然的に計測データ量は増大し、解析処理と計測プロセス設計の高速化・高効率化が喫緊の課題となっている。本稿では、その解決策として、データ駆動科学の考え方に基づき、AIを活用したデータ処理技術を紹介する。具体的には、著者らが開発した、教師なし機械学習を用いたスペクトルのハイスループット自動解析、スパースモデリングを用いた高解像度画像推定について解説する。

権利情報:

• In Copyright
  

キーワード: multi-dimensional, X-ray spectroscopy, data-driven science, machine learning, sparce modeling

刊行年月日: [2025年8月]

出版者: 一般社団法人　日本光学会

掲載誌:

• 光学 (ISSN: 03896625) vol. 54 issue. 8

研究助成金:

• JST JPMJPR17NB，JPMJPR17N2, JPMJPR20T7 (PRESTO)
• JST JPMJCR1761，JPMJCR21O1, JPMJCR21O4, JPMJCR2235 (CREST)
• JST JPMJMI21G2 (みらい)
• JST 19H02561, 21H01638, 21H04696, 25K01628 (科研費)
• METI P16010 (NEDO)
• ATLA JPJ004596 (Security Technology Research Promotion Program)

原稿種別: 著者最終稿 (Accepted manuscript)

MDR DOI: https://doi.org/10.48505/nims.6148

公開URL: https://myosj.or.jp/kogaku/backnumber/54-08/

関連資料:

その他の識別子:

連絡先:

更新時刻: 2026-01-20 10:11:08 +0900

MDRでの公開時刻: 2026-01-20 12:22:55 +0900