在罗切斯特大学激光能量学实验室的Omega激光设备上，对粉末x射线衍射成像板上的材料进行了分析。科学家们正在开发深度学习模型来分析这些实验产生的大量数据。图片来源:罗切斯特大学激光能量学实验室/ Danae Polsin和Gregory Ameele
罗切斯特大学(University of Rochester)的研究人员表示，深度学习可以增强一种技术，这种技术已经是表征新材料的黄金标准。他们的工作发表在npj Computational Materials上，详细介绍了他们如何创建模型，以更有效地利用x射线衍射实验产生的大量数据。
在x射线衍射实验中，明亮的激光照射在样品上，产生衍射图像，其中包含有关材料结构和性能的重要信息。项目负责人Niaz Abdolrahim是机械工程系副教授，也是激光能量学实验室(LLE)的科学家。他说，分析这些图像的传统方法可能会引起争议，耗时，而且往往无效。
Abdolrahim说:“这些图像中隐藏着许多材料科学和物理知识，世界各地的设施和实验室每天都会产生数tb的数据。”“开发一个好的模型来分析这些数据，可以真正帮助加快材料创新，了解极端条件下的材料，并为不同的技术应用开发材料。”
高能量密度实验的创新
这项研究由Jerardo Salgado '23硕士(材料科学)领导，为高能量密度实验提供了特别的希望，就像那些在LLE由原子压力物质中心的研究人员进行的实验一样。通过研究材料在极端条件下改变相位的精确时刻，科学家们可以发现创造新材料的方法，并了解恒星和行星的形成。
Abdolrahim表示，该项目由美国能源部国家核安全管理局和国家科学基金会资助，改进了之前开发x射线衍射分析机器学习模型的尝试，这些模型主要是用合成数据进行训练和评估的。Abdolrahim、计算机科学系副教授徐晨亮(Chenliang Xu，音译)和他们的学生将无机材料实验的真实数据结合起来，训练他们的深度学习模型。
Abdolrahim说，需要公开更多的x射线衍射分析实验数据，以帮助改进模型。她说，该团队正在努力为其他人创建共享数据的平台，这些数据可以帮助培训和评估该系统，使其更加有效。
参考文献:“使用深度学习模型的大x射线衍射数据自动分类”，作者:Jerardo E. Salgado, Samuel Lerman, Zhaotong Du, Chenliang Xu and Niaz Abdolrahim, 2023年12月4日，npj Computational Materials。DOI: 10.1038 / s41524 - 023 - 01164 - 8
分享
推特
电子邮件
分享
以前的文章
更多关于sciitechdaily
化学
技术
技术
健康
空间
生物学
健康
物理
