利用机器学习从SEM EDX测量中获取纳米尺度定量化学信息
介观与纳米尺度物理
2017-10-17 v1 材料科学
数据分析、统计与概率
摘要
通过盲源分离(BSS)机器学习(ML)方法，利用非负矩阵分解(NMF)处理扫描电子显微镜(SEM)中测量的能量色散X射线光谱(EDX)谱图映射，确定了InSb(001)半导体表面上金属合金纳米线以及锗表面上金纳米结构的定量组成。BSS方法将收集的EDX谱图盲分解为三个源成分，直接对应于来自支撑金属纳米结构、体半导体信号和碳背景的X射线信号。恢复的定量组成通过详细的蒙特卡洛模拟得到验证，并由纳米结构的单独横截面TEM EDX测量所确认。这表明SEM EDX测量结合机器学习盲源分离处理可成功用于纳米结构的定量化学成分测定。
引用
@article{arxiv.1705.00081,
title = {Retrieving the quantitative chemical information at nanoscale from SEM EDX measurements by Machine Learning},
author = {Benedykt R. Jany and Arkadiusz Janas and Franciszek Krok},
journal= {arXiv preprint arXiv:1705.00081},
year = {2017}
}