用于大规模 X 射线衍射数据集可视化与新颖性检测的深度学习
材料科学
2021-04-12 v1 数据分析、统计与概率
摘要
我们将变分自编码器（VAE）应用于模拟和实验薄膜数据的 X 射线衍射（XRD）数据分析。我们表明，VAE 学习的晶体结构表示揭示了潜信息，例如织构衍射图样的结构相似性。虽然其他人工智能（AI）代理能有效地将 XRD 数据分类为已知相，但条件类似的 VAE 在知晓其未知内容方面独具效用，可快速识别新相与混合物。这些能力表明，VAE 是一种有价值的 AI 代理，可用于材料发现以及在实时和事后分析中理解 XRD 测量。
引用
@article{arxiv.2104.04392,
title = {Deep learning for visualization and novelty detection in large X-ray diffraction datasets},
author = {Lars Banko and Phillip M. Maffettone and Dennis Naujoks and Daniel Olds and Alfred Ludwig},
journal= {arXiv preprint arXiv:2104.04392},
year = {2021}
}