基于物理信息机器学习的高压难发现相从空间分辨 X 射线衍射大数据集中识别
材料科学
2025-05-15 v1
摘要
多技术高分辨率 X 射线映射受益于第四代同步辐射设施的不断提升，能够产生庞大的数据集，挑战了传统的分析方法。这种困难在探测非均匀样品的晶体结构时尤为明显，随着图谱分辨率的提高，衍射图案的数量迅速增加，使得通过直接人工检查来识别在广泛反射集合中所含晶体相几乎不可能。因此，我们开发了一种基于无监督聚类算法的新型分析方法，用于识别衍射空间图中的独立相，从而允许我们识别高压 cerium 氢化物中的材料分布。通过研究该特定化合物，我们也为理解超氢化物类材料（这是一类具有优异超导性能的凝聚态物理学中的热门材料）中的合成不均匀性做出了贡献，这种材料的表征即使对于当今先进的材料技术来说也极具挑战性。我们所提出的分析框架可以轻易地扩展到任何与特定实体相关特征的相关曲线集合中。
引用
@article{arxiv.2505.08922,
title = {Physics-informed machine learning applied to the identification of high-pressure elusive phases from spatially resolved X-ray diffraction large datasets},
author = {Lucas H. Francisco and Camila M. Araújo and André A. M. C. Silva and Ulisses F. Kaneko and Jairo Fonseca and Guilherme A. Calligaris and Audrey D. Grockowiak and Danusa do Carmo and Ricardo D. dos Reis and Narcizo M. Souza-Neto},
journal= {arXiv preprint arXiv:2505.08922},
year = {2025}
}
备注
14 pages, 4 figures,