Обернена задача розсіювання електромагнітного поля на металевих наночастинках

Скорочена інформація про документ
dc.contributor.advisorГільчук, Андрій Володимирович
dc.contributor.authorПоляцко, Антоній Костянтинович
dc.date.accessioned2026-02-24T09:24:13Z
dc.date.available2026-02-24T09:24:13Z
dc.date.issued2023
dc.description.abstractЗастосування нейромереж для розв’язання обернених задач розсіювання електромагнітного поля на металевих наночастинках виявляється перспективним напрямком досліджень з кількох причин. Такий підхід може дозволити ефективно моделювати і передбачати поведінку електромагнітного поля, що розсіюється наночастинками з високою точністю та швидкістю. Це важливо для розуміння та оптимізації властивостей наноматеріалів у різних областях застосування, таких як електроніка, оптика, сенсорика та енергетика. Також застосування нейромереж для обернених задач розсіювання може вирішити деякі ключові проблеми, пов’язані зі складністю обчислень та великим обсягом даних. В результаті даної роботи було показано що нейромережі є досить перспективною технологію для моделювання розсіювання електромагнітного поля для наночастинок та показано приклади нейромереж які можуть знаходити структуру металевих багатошарових наночастинок. Найкращою архітектурою для вирішення даних задач виявилась нейромережа з LSTM шаром, яка показала в середньому точність 93%.
dc.description.abstractotherThe application of neural networks for solving inverse scattering problems of electromagnetic fields on metal nanoparticles is a promising research direction for several reasons. This approach can effectively model and predict the behavior of the scattered electromagnetic field with high accuracy and speed. This is crucial for understanding and optimizing the properties of nanomaterials in various fields of application, such as electronics, optics, sensing, and energy. Furthermore, the use of neural networks for inverse scattering problems can address key challenges related to computational complexity and large data volumes. By employing neural networks, particularly deep neural networks, it becomes possible to achieve faster and more efficient solutions for these problems, thereby reducing the time and costs involved in researching and developing new materials and devices. In the course of this study, it was demonstrated that neural networks are a promising technology for modeling the scattering of electromagnetic fields by nanoparticles, and examples of neural networks capable of identifying the structures of multilayered metal nanoparticles were presented. The best architecture for addressing these tasks was found to be a neural network with an LSTM layer, which achieved an average accuracy of approximately 93
dc.format.extent56 с.
dc.identifier.citationПоляцко, А. К. Обернена задача розсіювання електромагнітного поля на металевих наночастинках : магістерська дис. : 105 Прикладна фізика і нанотехнології / Поляцко Антоній Костянтинович. – Київ, 2023. – 56 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78992
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectнейронні мережі
dc.subjectзворотня задача розсіювання
dc.subjectповерхневий плазмонний резонанс
dc.subjectлокалізований
dc.subjectнаночастинки
dc.subjectпереріз розсіювання
dc.subject.udc535.373.1, 546.47
dc.titleОбернена задача розсіювання електромагнітного поля на металевих наночастинках
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Poljatsko_magistr.pdf
Розмір:
2.29 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПФ)
Магістерські роботи