利用贝叶斯峰顶拟合从X射线衍射数据快速稳健地构建ML就绪的峰特征表
材料科学
2024-03-18 v1 应用统计
摘要
为了通过数据驱动的科学方法推进材料开发，必须建立合适的方法，从测量和计算数据中构建机器学习(ML)就绪的特征表。在材料开发中，X射线衍射(XRD)是分析晶体结构和其他微观结构特征的有效技术，这些特征包含可以解释材料特性的信息。因此，在没有分析人员偏见的情况下，从XRD数据中全自动提取峰特征是一项重大挑战。本研究旨在建立一种高效且稳健的方法，用于从XRD数据构建符合ML标准(ML就绪)的峰特征表。我们挑战了在仅先验已知峰函数轮廓，而不知道测量材料或晶体结构因子的情况下进行峰特征提取。我们利用贝叶斯估计从XRD数据中提取峰特征，随后进行带特征选择的贝叶斯回归分析以预测材料特性。所提出的方法仅关注局部感兴趣区域(ROI)内的峰顶，并快速准确地提取峰特征。这个过程促进了从XRD数据中快速提取主要峰特征并构建ML就绪的特征表。然后，我们将贝叶斯线性回归应用于最大磁能积，使用提取的峰特征作为解释变量。结果产生了合理且稳健的回归结果。因此，本研究的发现表明，\textit{004}峰高和峰面积是预测的重要特征。
引用
@article{arxiv.2403.09677,
title = {Rapid and Robust construction of an ML-ready peak feature table from X-ray diffraction data using Bayesian peak-top fitting},
author = {Ryo Murakami and Taisuke T. Sasaki and Hideki Yoshikawa and Yoshitaka Matsushita and Keitaro Sodeyama and Tadakatsu Ohkubo and Hiroshi Shinotsuka and Kenji Nagata},
journal= {arXiv preprint arXiv:2403.09677},
year = {2024}
}