基于 EELS 与 XAS 谱的铜氧化态预测自编码器-Transformer模型
材料科学
2026-01-19 v1
摘要
X射线吸收谱 (XAS) 与电子能量损失谱 (EELS) 能够提供关于氧化态、成键及配位的详细信息，使其成为功能材料中氧化还原与结构定量研究的必备手段。然而，对这些谱图进行高通量定量分析仍具挑战性，尤其是对于混合价态材料，因为多样的实验条件会引入噪声、谱线错位及特征展宽。我们通过训练一个机器学习模型来解决这一挑战，该模型由用于标准化谱图的自编码器与直接从 L 边谱图预测 Cu 氧化态和 Bader 电荷的 Transformer 模型组成。该模型在大量 FEFF 模拟谱图数据集上进行训练，并在模拟与实验数据上评估了模型性能。该机器学习模型在模拟与实验 XAS 以及实验 EELS 领域均展现出高精度的预测能力。这些进展为未来在原位与工况条件下对 Cu 氧化还原过程进行定量分析奠定了基础。
引用
@article{arxiv.2601.11509,
title = {Predictive autoencoder-transformer model of Cu oxidation state from EELS and XAS spectra},
author = {Brian Lee and Linna Qiao and Samuel Gleason and Guangwen Zhou and Xiaohui Qu and Judith Yang and Jim Ciston and Deyu Lu},
journal= {arXiv preprint arXiv:2601.11509},
year = {2026}
}