用于从 X 射线吸收近边结构准确识别配位环境的随机森林模型
材料科学
2019-11-05 v1 计算物理
摘要
利用 X 射线吸收谱分析配位环境在从固态物理到材料化学的广泛领域中有应用。在此，我们展示随机森林模型可从 K 边 X 射线吸收近边结构（XANES）识别主要配位环境，对氧化物中 33 种阳离子元素的准确率达 85.4%，并以 81.8% 的高 Jaccard 分数识别所有相关配位环境，显著优于其他机器学习（ML）模型。与先前工作不同，我们使用对配位环境的稳健描述：作为 25 种不同配位构型（配位数 1-12）上的分布。随机森林模型在世界上最大的约 190,000 条计算 K 边 XANES 谱数据库上训练。此外，由于使用数据增强，随机森林模型可用于从实验 K 边 XANES 预测配位环境，准确率损失极小（82.1%）。丢弃特征重要性分析突出了前边和主峰区域在配位环境识别中的关键作用，且在较高配位数下后峰区域变得愈发重要。本工作提供了从 K 边 XANES 跨广泛化学识别配位环境的一般策略，为未来 ML 在谱学中的应用进展铺平道路。
引用
@article{arxiv.1911.01358,
title = {Random Forest Models for Accurate Identification of Coordination Environments from X-ray Absorption Near-Edge Structure},
author = {Chen Zheng and Chi Chen and Yiming Chen and Shyue Ping Ong},
journal= {arXiv preprint arXiv:1911.01358},
year = {2019}
}