从X射线衍射图谱中机器学习识别杂化铅卤钙钛矿及钙钛矿相关结构
材料科学
2025-01-17 v1
摘要
晶体结构识别是探索新型功能材料的关键阶段。这一过程通常耗时，并且可能出现假阳性或假阴性。这需要晶体学领域的高水平专业知识，尤其需要杂化钙钛矿的钙钛矿相关结构的深厚经验。我们的工作致力于基于可用X射线衍射数据的杂化铅卤化物结构类型的机器学习分类。在这里，我们提出了一种简单的方法，利用普通粉末XRD数据和机器学习决策树分类模型，快速识别无机子结构的维度、铅卤多面体的连接类型和结构类型。我们的机器学习算法在根据理论计算XRD图谱预测14种最常见结构类型中无机子结构维度、铅卤连接类型和无机子结构拓扑时的平均准确率分别达到0.86±0.05、0.827±0.028和0.71±0.05。在实验XRD数据上验证我们的决策树分类机器学习模型显示，维度和结构类型预测的准确率分别为1.0和0.82。因此，我们的方法可以显著简化和加速对杂化铅卤化物高度复杂XRD数据的解释。
引用
@article{arxiv.2404.17294,
title = {Machine Learning Recognition of hybrid lead halide perovskites and perovskite-related structures out of X-ray diffraction patterns},
author = {E. I. Marchenko and V. V. Korolev and E. A. Kobeleva and N. A. Belich and N. N. Udalova and N. N. Eremin and E. A. Goodilin and A. B. Tarasov},
journal= {arXiv preprint arXiv:2404.17294},
year = {2025}
}