卷积神经网络的迁移学习、替代方法和分子内核间距的光电子动量分布检索可视化
摘要：应用深度学习技术研究了从强场电离产生的光电子动量分布中检索二维H$_2^+$分子的核间距离的方法。我们研究了载波和包络相位对卷积神经网络预测核间距离的影响。我们应用了迁移学习技术，使得我们的卷积神经网络能够处理超出训练数据范围的参数分布。将卷积神经网络与其他方法（如直接比较动量分布、支持向量机和决策树）进行比较，发现这些替代方法的可迁移性非常有限。最后，我们使用遮挡敏感性技术提取神经网络做出决策所需的特征。
作者：N. I. Shvetsov-Shilovski and M. Lein
论文ID：2211.01210
分类：Atomic Physics
分类简称：physics.atom-ph
提交时间：2023-03-29