在Opto-Electronic Advances的新出版物中，加拿大安大略省安大略理工大学的 Shreeniket Joshi 和 Amirkianoosh Kiani 讨论了用于预测 3D 纳米网络硅结构的光学常数和带隙能量的混合人工神经网络和分析模型。

本研究介绍了一种可靠的方法来确定新型硅薄膜(纳米材料)的光学特性。通过用脉冲激光束轰击硅晶片，在玻璃上沉积硅薄膜。由于可用的实验数据有限，寻找新型纳米材料的光学特性具有挑战性。现有的用于寻找光学特性的模型被发现复杂且容易出错，本研究提出了一种将分析模型与人工神经网络结合使用的新方法。使用人工神经网络的目的是开发一种数学函数来预测新型薄膜的光学常数。发现提出的这种方法的准确率为 95%。

安大略理工大学的 Amirkianoosh Kiani 博士的研究小组提出了这项研究，以寻找新型硅薄膜的光学特性，并且该方法得到了准确可靠的确凿证据的验证。对于透明的新型材料，可以使用透射率和反射率的实验数据来确定光学特性。然而，对不透明材料做同样的事情是具有挑战性的，因为在这种情况下只有反射率数据可用。这项研究可用于建立可用实验数据之间的数学关系，并显示出仅从反射率数据预测不透明材料光学特性的潜力。

此外，发现本研究中讨论的新型硅薄膜的光学特性具有 1.648 的能带隙，该值接近用于收集太阳能的材料。由于硅 薄膜具有惊人的表面积，因此可以证明具有这种能带隙的材料在太阳能应用中非常高效。该研究小组还打算使用这种方法来激发生物医学应用中使用的二氧化钛、金纳米粒子等材料。