Publication Details:
Լույս է տեսնում 1966 թվականից՝ տարին 4 անգամ։
Journal or Publication Title:
ՀՀ ԳԱԱ Տեղեկագիր: Ֆիզիկա = Proceedings of the NAS RA: Physics
Date of publication:
Volume:
Number:
ISSN:
Official URL:
Additional Information:
Title:
Other title:
Ատոմների հիմնական վիճակի ռելաքսացման արագության կանխագուշակումը ֆլուորեսցենցի սպեկտրերից՝ մեքենայական ուսուցման միջոցով ; Prediction of Atomic Ground State Relaxation Rate from Fluorescence Spectra Using Machine Learning
Creator:
Саргсян, A. A. ; Алексанян, A. Ю. ; Петросян, С. A. ; Газазян, Э. A. ; Папоян, А. В. ; Асцатрян, Г. В.
Contributor(s):
Պատ․ խմբ․՝ Գ․ Մ․ Ղարիբյան (1966-1992) ; Գլխ․ խմբ․՝ Վ․ Մ․ Հարությունյան (1993-2021) ; Կ․ Մ․ Ղամբարյան (2022-)
Subject:
Coverage:
Abstract:
Рассмотрено внедрение методов машинного обучения для получения значений физических параметров экспериментально изучаемых атомных систем по зарегистрированным спектрам. Конкретной задачей было прогнозирование скорости релаксации подуровней основного состояния атомарных паров Rb по измеренным спектрам флуоресценции, что представляет собой типичную задачу регрессии. В качестве перспективных методов для обработки и прогнозирования физического поведения изучены линейные и нелинейные методы машинного обучения. Представлена оптимальная регрессивная модель, характеризующаяся высокой точностью и малым временем моделирования ключевых показателей функции.
Դիտարկված է գիտափորձում հետազոտվող ատոմական համակարգի գրանցված սպեկտրներից ֆիզիկական բնութագրերի արժեքների ստացման համար մեքենայական ուսուցման մեթոդների ներդրումը։ Աշխատանքի մասնավոր խնդիրն է Rb ատոմական գոլորշու հիմնական վիճակի ենթամակարդակների ռելաքսացման արագության կանխագուշակումը՝ չափված ֆլուորեսցենցի սպեկտրներից, ինչը հանդիսանում է ռեգրեսիայի տիպիկ խնդիր: Որպես հեռանկարային ֆիզիկական վարքի մշակման և կանխատեսման մեթոդներ են դիտարկվել մեքենայական ուսուցման գծային և ոչ գծային եղանակները: Ներկայացված է օպտիմալ ռեգրեսիայի մոդել, որը բնութագրվում է մեծ ճշտությամբ և ֆունկցիայի հիմնական ցուցանիշների մոդելավորման բարձր արագությամբ:
We consider implementation of machine learning methods to retrieve the values of the physical parameters of experimentally studied atomic systems from the recorded spectra. The specific task was to predict the relaxation rate of the ground state sublevels of Rb atomic vapor from the measured fluorescence spectra, which is a typical regression problem. Linear and nonlinear machine learning methods have been studied as promising methods for processing and predicting physical behavior. An optimal regression model is presented, which is characterized by high accuracy and short modeling time for the key indicators of the function.