用物理组织的潜空间解码结构-谱关系
材料科学
2023-05-17 v1 人工智能
摘要
开发了一种用于发现结构-谱关系的半监督机器学习方法，并以解释 X 射线吸收近边结构（XANES）谱为例进行演示。该方法在单个结构描述符与谱趋势之间构建一一映射。具体而言，一种对抗自编码器被增补以一种新的秩约束（RankAAE）。RankAAE 方法产生一个连续且可解释的潜空间，其中每一维可追踪一个单独的结构描述符。作为该过程的一部分，模型通过解耦来自多个结构特征的纠缠谱贡献，提供了结构-谱关系的鲁棒且定量的度量。这使其非常适合谱解释与新描述符的发现。该过程的能力通过考量五个局域结构描述符以及一个涵盖八个第一过渡金属氧化物族、超过五万条模拟 XANES 谱的数据库得以展示。所得结构-谱关系不仅复现了文献中的已知趋势，还揭示了在大数据集中视觉上不可辨的违反直觉的趋势。结果表明 RankAAE 方法极有潜力协助研究者解释复杂科学数据、检验物理假设并揭示拓展科学见解的新模式。
引用
@article{arxiv.2301.04724,
title = {Decoding Structure-Spectrum Relationships with Physically Organized Latent Spaces},
author = {Zhu Liang and Matthew R. Carbone and Wei Chen and Fanchen Meng and Eli Stavitski and Deyu Lu and Mark S. Hybertsen and Xiaohui Qu},
journal= {arXiv preprint arXiv:2301.04724},
year = {2023}
}