火星级灵敏与稳健
融合窄带宽高灵敏与宽带宽多元素信息，结合神经网络回归，在保持对氮化合物形态稳健的同时显著提升检测限。
Beiyi, Zhang · Sun, Chen · Yu, Xiao Wen · Chen, Fengye · Wang, Li · Yunfei, Rao · Tianyang, Sun · Zhao, Yuyansara Yan Sara · 俞进
Spectrochimica Acta - Part B: Atomic Spectroscopy 2023
通过窄带宽CT光谱仪与宽带宽Echelle光谱仪双检测，同时利用融合光谱中的氮发射线和主量元素信息，训练神经网络模型，独立测试集得到LOD为0.18 wt%，为解决火星氮检测灵敏度不足提供了可行路径。
为处理样品中不同的氮化学形态，训练时先进行无监督聚类为每个光谱分配类型标签，再使用广义光谱训练回归模型，使模型在面对不同形态氮时仍能保持准确预测。
在独立测试集上，预测均方根误差（RMSEP）为0.041 wt%，表明模型在未知样品上具有较高的定量精度，满足火星地质样品分析的需求。