近十年來，掃描探針、電子顯微鏡和光學(xué)顯微鏡的光譜成像方法發(fā)展迅速，導(dǎo)致了大型多維數(shù)據(jù)集的興起。在許多情況下，將高光譜數(shù)據(jù)降維到較低維度的材料特征參數(shù)，要依賴功能擬合，雖然擬合函數(shù)的近似形式是已知的，但函數(shù)的參數(shù)卻是需要人為確定的。然而，通過迭代方法實(shí)現(xiàn)噪聲數(shù)據(jù)的功能擬合（如最小二乘梯度下降），常常會出現(xiàn)虛假結(jié)果。

來自美國橡樹林國家實(shí)驗(yàn)室的Stephen Jesse領(lǐng)導(dǎo)的團(tuán)隊(duì)，提出了一種新的方法，可用來逆向解決問題，可從基于光譜成像數(shù)據(jù)的最小二乘擬合中提取物理模型參數(shù)，并能通過深度學(xué)習(xí)測定先驗(yàn)參數(shù)而增強(qiáng)提取能力。他們將這種方法應(yīng)用于從壓電響應(yīng)力顯微鏡數(shù)據(jù)中提取簡諧振子參數(shù)，并證明了通過結(jié)合使用深度神經(jīng)網(wǎng)絡(luò)和最小二乘擬合，可以探測比傳統(tǒng)方法低一個(gè)數(shù)量級的信號響應(yīng)，接近激發(fā)信號的熱限制。作為模型系統(tǒng)，他們演示了從層狀鐵電化合物的帶激發(fā)壓電響應(yīng)力顯微鏡成像中，提取阻尼簡諧振子參數(shù)。這種使用深度神經(jīng)網(wǎng)絡(luò)的方法是通用的，并且在正向和反向情況下都顯示出它們作為函數(shù)近似器的效用，且它們在嘈雜的環(huán)境中工作良好。