用于分类与解释相干X射线散斑图的机器学习
材料科学
2023-09-06 v2 计算机视觉与模式识别
机器学习
摘要
相干X射线产生的散斑图与材料内部结构密切相关，但定量反演该关系以从散斑图确定结构具有挑战性。本文中，我们利用一个二维圆盘模型系统研究相干X射线散斑图与样品结构之间的联系，并探索机器学习学习该关系某些方面的能力。具体而言，我们训练一个深度神经网络，根据对应结构中的圆盘数密度对相干X射线散斑图进行分类。结果表明，该分类系统对于单分散和非单分散尺寸分布均准确。
引用
@article{arxiv.2211.08194,
title = {Machine learning for classifying and interpreting coherent X-ray speckle patterns},
author = {Mingren Shen and Dina Sheyfer and Troy David Loeffler and Subramanian K. R. S. Sankaranarayanan and G. Brian Stephenson and Maria K. Y. Chan and Dane Morgan},
journal= {arXiv preprint arXiv:2211.08194},
year = {2023}
}