افزایش کیفیت تصاویر میکروسکوپی با استفاده از شبکه تخاصمی مولد

استفاده از اثرات پلاسمونیک برای افزایش کارایی سلول‌های خورشیدی لایه نازک از فناوری‌های نوظهور است. هدف این پژوهش، افزایش جذب و بازدهی سلول کالکوپیریتی نازک با استفاده از نانوساختارهای پلاسمونیک در بالای لایه جاذب است. بر اساس شبیه‌سازی‌های اپتیکی و الکتریکی‌، حداکثر بازده % 61/25 در حضور نانومکعب‌های طلا با ابعاد 100 نانومتر و فاکتور اشغال شدگی 16/0 به­دست آمد. بهبود بازده به­دلیل افزایش جذب ناشی از افزایش طول مسیر نوری و افزایش تولید حامل، کاهش بازترکیب الکترون –حفره و بهبود جداسازی حامل به­دلیل تشدید پلاسمونی و اثر توزیع میدان الکتریکی نزدیک است.

improving the quality of microscopic images using generative adversarial network

in this paper, a special architecture of deep neural network named generative adversarial is used to improve the quality of bright field microscopic images without changing its design and hardware. after completing the training process, the network is able to increase the quality of the images by increasing the size of the incoming images by 4 times. this training is done using microscopic images of fly wings with low quality and corresponding high quality images. also, in this work, the perceptual cost function has been used to train the deep neural network so that the output images of the network are closer to the real data in terms of perception. the output images of the network show an average peak signal-to-noise ratio of 24.28 and structural similarity constant of 0.87