基于原子对分布函数数据确定空间群的 spacegroupMining 模型的鲁棒性测试
材料科学
2022-06-20 v2
摘要
基于卷积神经网络的机器学习模型已被用于从晶体结构的原子对分布函数（PDF）预测空间群。然而，用于训练模型的 PDF 是使用反映特定实验条件的一组固定参数计算的，当给定由这些参数的不同选择生成的 PDF 时，模型的准确性未知。本文中，我们报告了当应用于不同实验参数 、、 和原子位移参数选择下的 PDF 时，top-1 准确率与 top-6 准确率的结果是鲁棒的。
引用
@article{arxiv.2202.12335,
title = {Robustness test of the spacegroupMining model for determining space groups from atomic pair distribution function data},
author = {Ling Lan and Chia-Hao Liu and Qiang Du and Simon J. L. Billinge},
journal= {arXiv preprint arXiv:2202.12335},
year = {2022}
}
备注
15 pages, 5 figures