X射线吸收谱的自动化生成与集成学习匹配
材料科学
2017-11-08 v1
摘要
我们报道了XASdb的开发——一个大型的计算参考X射线吸收谱(XAS)数据库,以及一种用于谱图匹配的 novel 集成学习谱识别(ELSIE)算法。XASdb目前托管了来自开放科学Materials Project数据库的逾300,000条K边X射线吸收近边谱(XANES),涵盖30,000多种材料。我们讨论了一个基于稳健且经过严格基准测试参数的FEFF计算高通量自动化框架。我们将展示ELSIE算法结合了33个弱“学习器”,包含一组预处理步骤和一种相似度度量,能在涵盖多种化学与晶体结构的19条K边XANES谱测试集上达到高达84.2%的准确率,正确识别其氧化态与配位环境。XASdb与ELSIE算法已集成到Materials Project的网页应用中,为所有材料研究者提供分析XAS的重要新公共资源。最后,ELSIE算法本身已作为Veidt的一部分发布,Veidt是一个面向材料科学的开源机器学习库。
引用
@article{arxiv.1711.02227,
title = {Automated Generation and Ensemble-Learned Matching of X-ray Absorption Spectra},
author = {Chen Zheng and Kiran Mathew and Chi Chen and Yiming Chen and Hanmei Tang and Alan Dozier and Joshua J. Kas and Fernando D. Vila and John J. Rehr and Louis F. J. Piper and Kristin Persson and Shyue Ping Ong},
journal= {arXiv preprint arXiv:1711.02227},
year = {2017}
}
备注
19 Pages, 5 Figures, 1 Table