Judd-Ofelt parameters : Bayesian inference and deep learning approach

Abstract

Dans ce travail, deux nouvelles approches pour d ́eterminer les param`etres de Judd-Ofelt pour les ions de terres rares dans les verres ont ́et ́e pr ́esent ́ees : l’inf ́erence bay ́esienne et l’apprentissage profond. Ces approches sont un cadre alternatif de l’ajustement conventionnel des moindres carr ́es des donn ́ees exp ́erimentales utilis ́ees actuellement. La technique d’inf ́erence bay ́esienne a ́et ́e test ́ee avec succ`es, et les param`etres de Judd-Ofelt estim ́es des verres halog ́eno-phosphates dop ́es `a l’holmium et `a l’erbium montrent un bon accord avec la m ́ethode des moindres carr ́es. La deuxi`eme technique est un perceptron multicouche de r ́egression non lin ́eaire (MLP) qui a ́et ́e utilis ́e pour ajuster une matrice de composition de verres de tellurite dop ́es `a l’erbium avec leurs param`etres Judd-Ofelt correspondants. Nous r ́eussissons `a d ́etecter la corr ́elation avec un intervalle d’erreur raisonnable, en g ́en ́eral la m ́ethode a r ́eussi et peut ˆetre encore am ́elior ́ee pour pr ́edire les param`etres de Judd-Ofelt.