材料指纹分类
材料科学
2021-06-30 v1 机器学习
应用统计
摘要
若能获得由原子种类与三维坐标构成的实验衍生大型数据集，许多类材料的研究都将取得重大进展。诸如原子探针层析成像（APT）等可视化局域原子结构的方法可常规生成包含数百万个原子的数据集，是实现该目标的重要一步。然而，最先进的 APT 仪器生成的数据集噪声大且稀疏，仅提供元素类型信息而掩盖原子结构，从而限制了其在材料发现中的后续价值。材料指纹化过程（一种结合拓扑数据分析的机器学习算法）的应用，为从 APT 数据集中提取前所未有的结构信息提供了途径。作为概念验证，该材料指纹被应用于包含体心立方（BCC）与面心立方（FCC）晶体结构的高熵合金 APT 数据集。以任意原子为中心的局域原子构型被赋予一个拓扑描述符，凭借该描述符可将其以近乎完美的准确度表征为 BCC 或 FCC 晶格，尽管数据集中存在固有噪声。这一指纹的成功识别是开发可从复杂材料现有数据集中提取更精细信息（如化学有序）之算法的关键第一步。
引用
@article{arxiv.2101.05808,
title = {Materials Fingerprinting Classification},
author = {Adam Spannaus and Kody J. H. Law and Piotr Luszczek and Farzana Nasrin and Cassie Putman Micucci and Peter K. Liaw and Louis J. Santodonato and David J. Keffer and Vasileios Maroulas},
journal= {arXiv preprint arXiv:2101.05808},
year = {2021}
}