结构描述符与从 X 射线发射谱中提取信息：硫酸水溶液

当以合适的方式将局部原子环境呈现给模型时，机器学习可以揭示液体 X 射线光谱学的新见解。为此已开发了许多独特的结构描述符族。我们使用在六种不同浓度下模拟的 24200 个硫酸水溶液硫 K$\beta$ X 射线发射谱的计算数据集，基准测试了六种不同描述符族的性能。我们训练了一个前馈神经网络，以从相应的描述符向量预测光谱，发现局部多体张量表示、原子位置的平滑重叠和原子中心对称函数在此比较中表现优异。当应用基于模拟器的成分分析来识别并分离光谱相关的结构特征与不相关特征时，我们发现了类似的层级关系。在这种情况下，光谱主要取决于系统的浓度，而在分解中加入第二个最重要的自由度则允许区分酸分子的质子化状态。