基于Attention机制对XRD图谱的细致分析
机器学习
2020-06-03 v1 机器学习
摘要
基于Attention机制的卷积神经网络从测量的X射线衍射谱中提取了与锂离子充电电池物理性质相关的重要峰。在深度特征中，阴极活性材料的晶格常数被选为电池电压预测因子，且活性阳极与阴极材料的晶体学行为揭示了充放电状态下的倍率特性。机器学习从实验谱中自动选取了显著峰。在多任务训练模型中应用带适当目标变量的Attention机制，可有选择地可视化有趣物理性质之间的关联。由于深度特征是自动定义的，该方法可适应各种物理实验条件。
引用
@article{arxiv.2006.01451,
title = {Careful analysis of XRD patterns with Attention},
author = {Koichi Kano and Takashi Segi and Hiroshi Ozono},
journal= {arXiv preprint arXiv:2006.01451},
year = {2020}
}
备注
12 pages, 5 figures