Röntgenspektrejä käytetään materiaalien karakterisointiin tähtitieteestä teollisuuteen. Tässä työssä kehitämme koneoppimiseen pohjautuvia menetelmiä näiden spektrien tulkintaan rakenteellisen informaation saamiseksi. Esitetty algoritmi suodattaa spektrin kannalta olennaiset rakennevariaatiot epäolennaisista mahdollistaen järisyttävän dimensionaalisuuden pudotuksen ratkaistavassa ongelmassa. Tämän jälkeen spektritulkinnan muodostama inversio-ongelma ratkaistaan tältä ratkaistavalta osin. Työ perustuu neuroverkkojen koulutukseen suurteholaskennalla saadulla aineistolla. Kehitettävää rekonstruktiomenetelmää ja sen tuottamien tuloksien järkevyyttä testataan spektroskooppisilla kokeilla kerätyn datan avulla. Esitetty menetelmä ei kuitenkaan rajoitu spektroskopiaan, vaan se soveltuu yleisemmin inversio-ongelmiin, joita esiintyy lukemattomissa tieteellisissä ja teknillisissä kysymyksissä. Tässä työssä menetelmä yleistetään ultraviolettisäteilyn ja näkyvän valon alueelle.

2025

2029