L'IA face aux grands problèmes du monde · Sciences du vivant · arXiv · 2026-10-23
Apprentissage profond sensible au nombre d'onde pour une analyse robuste des spectres Raman
Titre original: Wavenumber-Aware Deep Learning for Robust Analysis of Raman Spectra
Les modèles d'apprentissage automatique spectraux traitent généralement un spectre comme une grille fixe, ce qui les limite lorsque les conditions de mesure changent. Les auteurs ont encodé chaque point par son intensité et son nombre d'onde, en calculant les encodages positionnels du Transformer à partir du nombre d'onde. Sur des spectres Raman de trois espèces bactériennes et de leurs mélanges, l'approche est restée robuste au bruit, à un échantillonnage plus clairsemé et à une couverture partielle, et elle a tenu sur des grilles d'échantillonnage non vues à l'entraînement.