Spectra-Scope：用于从光谱数据自动化和可解释材料性质表征的工具包
材料科学
2026-04-09 v2
摘要
光谱学是材料表征的核心支柱，提供有关结构、组成或激发态动力学等属性的有用信息。然而，许多光谱技术在开发可解释、高性能和可靠的监督式学习模型方面存在挑战，因为信号与感兴趣响应变量（目标）之间可能存在广泛的非线性相关性。本文介绍 Spectra-Scope，一个面向使用可解释机器学习模型对材料性质进行光谱数据自动表征的开源 AutoML 框架。该软件用 Python 实现，提供无代码 Web 应用程序。它包括数据预处理、非线性特征提取、机器学习模型训练和特征筛选工具。用户可以快速地、以 modest 计算资源训练不同类型的简单、可解释的机器学习模型。本文概述了 Spectra-Scope的方法及其在多样数据集上的有效性，包括材料和农业光谱数据的应用。我们表明 Spectra-Scope 能够复现文献中类似模型的性能，并突出其对可解释性的强调可用于解释单个模型的行为并理解光谱特征背后的物理过程。
引用
@article{arxiv.2603.06011,
title = {Spectra-Scope : A toolkit for automated and interpretable characterization of material properties from spectral data},
author = {Amalya C. Johnson and Chris Fajardo and Leena Sansguiri and Weike Ye and Steven B. Torrisi},
journal= {arXiv preprint arXiv:2603.06011},
year = {2026}
}