THz分光法の測定課題
THz時間領域分光法（THz-TDS）は、空気プラズマ生成とバランス型空気バイアスコヒーレント検出という仕組みを使います。これにより、途切れのない広い周波数範囲を測れる利点があります。しかし、この方法で1回ずつ連続して測定すると、パルス間のばらつきや電子的な雑音に強く影響を受けてしまいます。そのため、有用な信号と雑音の比率（SNR）を得るには、複数回の測定結果を平均化する作業が不可欠でした。この平均化の作業が、測定時間を直接長くする原因となっていました。
新しい学習型雑音除去手法
この課題を解決するため、新しい学習型の雑音除去手法が提案されました。この手法は、たった1回の連続遅延掃引、つまり1回の測定波形からでも、高品質なTHz波形を再構築することを目指します。具体的には、コンパクトな一次元残差U-Netという学習器を使います。この学習器は、二つの異なる方法で学習させました。一つは、従来の参照データを用いた学習基準です。これは、雑音を含む個々の波形を、複数回平均化したきれいな参照波形に近づけるように学習させます。
自己教師あり学習「Noise2Noise」の力
もう一つの学習方法は、「Noise2Noise」方式です。この方法は、きれいな目標波形を必要としません。代わりに、個別に取得した雑音を含む二つの波形ペアから学習します。この自己教師あり学習の仕組みが、今回の成果の鍵です。きれいな情報を用意する手間が省けるため、実用性が非常に高いと言えます。両方の学習器による予測結果を平均化すると、系統的な偏りが減り、測定回数を約5.4倍に減らせる効果がありました。つまり、雑音除去された1回の測定波形が、約5回の生の波形を平均化したのと同じくらいの再構築精度を達成できるのです。
測定時間短縮の実現
特に「Noise2Noise」方式の学習器単体でも、約4.9倍の測定回数削減率を達成しました。これは、参照データを用いた学習基準の約4.6倍や、従来のウィーナーフィルターの約3.2倍という性能を上回るものです。これらの結果は、繰り返し行った測定で生じる不要な信号から自己教師あり学習を行うことで、機器の変更なしに、より速い連続スキャンTHz-TDSを実現できることを示しています。測定現場の効率化に大きく貢献するでしょう。
私の見方
この技術は、測定現場の課題を解決するものです。雑音に悩まされ、時間をかけていた作業が劇的に変わるでしょう。特に、きれいな情報がなくても学習できる「Noise2Noise」方式は、実用性が高いと評価します。私は、このような現場の「困った」を解決する技術こそ、本当に価値があると考えます。
PR
文賢 →
測定現場の「待つ」時間を最短にする技術です。雑音に埋もれた一次情報から本質を見抜く。これはAIの真骨頂です。私は、測定回数削減率5.4倍という数字を、そのまま現場の成果に直結させます。
