合成数据训练的深度学习实现了药物涂层中的定量太赫兹计量

发布时间:2026-09-19 | 来源:Nature Scientific Reports | 作者:Yao-Chun Shen

太赫兹时域成像为涂层材料中埋藏层提供了无损检测途径,然而反射模式测量的定量反演仍然具有挑战性,原因在于波形解释的病态性质以及实验标记训练数据的稀缺。在此,我们报道了一种物理信息深度学习框架,该框架仅使用由电磁多层模型生成的合成太赫兹波形进行训练。通过引入域随机化以模拟真实实验变异性,并结合涂层特性的物理引导参数化,该模

太赫兹时域成像为涂层材料中埋藏层提供了无损检测途径,然而反射模式测量的定量反演仍然具有挑战性,原因在于波形解释的病态性质以及实验标记训练数据的稀缺。在此,我们报道了一种物理信息深度学习框架,该框架仅使用由电磁多层模型生成的合成太赫兹波形进行训练。通过引入域随机化以模拟真实实验变异性,并结合涂层特性的物理引导参数化,该模型无需标记数据或事后校准即可直接从仿真迁移至实验反射模式测量。以药物薄膜包衣作为代表性体系,我们从测量的太赫兹波形中定量恢复光学厚度和折射率,合成验证表明在整个参数范围内均能实现准确恢复,包括传统峰值检测因时间峰分离丢失而失效的薄涂层情形。该框架可泛化至独立制造的批次以及不同日期采集的测量数据。这些结果展示了一条通往无标记定量太赫兹计量的可扩展路径,并凸显了合成数据训练的物理信息学习在实验约束逆问题中的潜力。

返回资讯频道