Aug, 2023

自主材料研究的概率相位标记和晶格精化

PDF
TL;DR结晶位移提供了一种高效的算法，利用对称约束伪交效优化，最佳优先搜索，贝叶斯模型比较等方法，无需阶段空间信息或训练即可估计相位组合的概率，并提供材料结构参数的定量洞察，最终加速材料识别和发现。
x-ray diffractioncrystalshiftphase labelingprobabilisticmaterials identification
发现论文，激发创造
  • 基于非负矩阵分解与定制聚类的 X 射线衍射数据无监督相位映射

    在高通量材料库的组成相图繁显中，X 射线衍射数据集的分析是一个关键步骤，本论文提出了一种将非负矩阵分解方法与自定义聚类和交叉相关算法相结合的方法，能够成功鉴别数据中所有可能的峰移 XRD 基本图案，并能够精确地确定系统的组成相图。

    Feb, 2018

  • 利用数据增强和深度神经网络快速且易于解释地对小型 X 射线衍射数据集进行分类

    本研究针对开发新薄膜材料中最耗时的 X 射线衍射数据收集和分析提出了机器学习模型，该模型可以从有限数量的薄膜 XRD 模式中预测结晶维度和空间群，并使用模型无关的物理驱动数据扩充策略来克服材料开发中固有的稀缺数据问题，经过测试，该模型具有 93% 和 89% 的维数和空间群分类交叉验证精度。

    Nov, 2018

  • 基于 X 射线粉末衍射的端到端晶体结构预测

    通过对 PXRD 模式进行匹配和生成，XtalNet 是一种基于深度学习的全流程框架，能够准确匹配给定 PXRD 模式的晶体结构。

    Jan, 2024

  • 一种基于概率深度学习的自动化多相衍射谱解释方法

    设计了一种基于深度学习和概率算法的新型自动合成无机材料的方法，可在高通量和自主发现无机材料的工作流程中使用，具有出色性能和准确度。

    Mar, 2021

  • 利用机器学习从原位 X 射线衍射数据快速检测罕见事件

    高能 X 射线衍射方法可非破坏性地对金属多晶工程材料的 3D 微结构和相关属性进行映射，而本研究提出的全自动技术可迅速检测高能 X 射线显微镜数据中塑性的发生，为驱动智能多模态 X 射线衍射方法的实验提供及时可行信息。

    Dec, 2023

  • 基于优化的 PXRD 相分数估计监督学习算法

    本文提出了一种针对粉末衍射数据分析的相同定量分析方法，使用固定点迭代算法进行带标签训练样本的单物相光谱估计，并使用相同算法确定最佳近似未知样本光谱的单物相光谱加权组合，以计算样本相对重量分数，与其他传统机器学习算法进行对比。

    Oct, 2022

  • 机器学习辅助关闭式 X 射线衍射相变金属识别

    本文介绍了一种使用机器学习来预测过渡金属及其氧化物 X 射线衍射数据晶体结构相位的方法，并评估了其性能和比较了其不同设置的多样性，结果表明该机器学习框架具有竞争力的性能，这证明机器学习对 X 射线衍射和晶体结构确定领域具有重要意义。

    Apr, 2023

  • 扩散模型在纳米晶粉末衍射数据的从头结构解析中表现出潜力

    利用基于扩散模型的生成式机器学习模型，我们能够成功解决模拟的小至 10 安培、包含来自七个晶体系统的各种对称性和复杂性的 200 种材料的纳米晶体结构，并且能够处理真实实验中噪声扩散模式收集的结构解决方案，这表明数据驱动的方法将提供解决以前未解决的纳米材料结构的途径。

    Jun, 2024

  • 精确高效的微区 XRD 相位识别方法：多任务学习应用于热液流体

    本研究展示了多任务学习（MTL）架构的深度学习在高度扭曲的微 X 射线衍射模式分析中的潜力，通过训练 MTL 模型识别微 X 射线衍射模式中的相位信息，减少对实验数据标记和预处理的需求，展示了 MTL 模型在准确性上优于二进制分类卷积神经网络，并通过引入定制的交叉熵损失函数改善了 MTL 模型的性能。最重要的是，针对原始和未掩盖的 XRD 模式进行优化的 MTL 模型可以实现接近对预处理数据进行分析的模型的性能，准确性差异很小。这项工作表明，像 MTL 这样的高级深度学习架构可以自动化繁琐的数据处理任务，简化扭曲 XRD 模式的分析，并减少对劳动密集型实验数据集的依赖。

    Mar, 2024

  • 基于贝叶斯自主材料相图制图的人工智能辅助系统

    该研究提出一种方法，即将人类的先前知识融合到自动实验中，可用于材料研究中的相图绘制，并证明了加入人类先验知识对绘制精度的显著提高。

    Jun, 2023