X射线吸收近边谱和偶然分布函数的可解释多模态机器学习分析
材料科学
2025-04-14 v2 机器学习
摘要
我们使用可解释机器学习方法结合来自多种异构光谱的信息：X射线吸收近边谱（XANES）和原子偶然分布函数（PDF），以提取过渡金属阳离子在氧化物中的局部结构和化学环境。训练了在模拟 XANES、PDF 以及两者组合的随机森林模型，用于提取氧化态、配位数和平均最近邻键长。XANES-only 模型通常优于 PDF-only 模型，尽管使用金属的差分 PDF（dPDFs）而非总 PDF 可缩小这一差距。当与 PDF 结合使用时，XANES 的信息往往占主导地位。我们的结果表明，XANES 包含丰富的结构信息，并凸显了种类特异性的实用性。这种可解释的多模态方法容易于合适的数据库中实现，为研究人员提供了关于不同模态相对优势的宝贵见解，指导实验设计，并识别在科学调查中结合互补技术何时添加有意义的信息。
引用
@article{arxiv.2410.17467,
title = {Interpretable Multimodal Machine Learning Analysis of X-ray Absorption Near-Edge Spectra and Pair Distribution Functions},
author = {Tanaporn Na Narong and Zoe N. Zachko and Steven B. Torrisi and Simon J. L. Billinge},
journal= {arXiv preprint arXiv:2410.17467},
year = {2025}
}