本研究提出了一种基于卷积神经网络（CNN）和自适应数据增强的快速分析方法，用于提取超导体点接触安德烈夫反射光谱的参数。该方法结合BTK理论生成的训练数据，能够在100毫秒内完成光谱参数拟合，显著降低了时间和劳动成本，为超导体研究提供了重要工具。

通过训练和发布54个规模从99M到3.9B的语言模型，提出了Spectra LLM套件，包括浮点型、量化和三值语言模型。发现三值语言模型在一些测试中与一半规模的浮点型语言模型相当，但在其他测试中稍逊。发布了500多个Spectra套件的中间检查点，提升对低位宽模型的理解。