Determinación de la simetría cristalina en la difracción de electrones mediante el aprendizaje automático

Área de la Ciencia:

• Ciencias de los materiales
• La cristalografía
• Aprendizaje automático

Sus antecedentes:

• La difracción de retrodispersión de electrones (EBSD) es crucial para la determinación de la estructura cristalina, pero requiere una entrada manual para la identificación de fase.
• Los métodos actuales de EBSD no están optimizados para el análisis de alto rendimiento debido a la dependencia de la interpretación humana.

Objetivo del estudio:

• Desarrollar una metodología general para la identificación rápida y autónoma de la simetría cristalina a partir de patrones EBSD.
• Permitir la identificación automatizada de las fases, transformando el EBSD en una técnica de alto rendimiento.

Principales métodos:

• Utilizó un enfoque basado en el aprendizaje automático para analizar los patrones de EBSD.
• Desarrolló un algoritmo de red neuronal para la identificación autónoma de simetría de cristal.

Principales resultados:

• El algoritmo identificó con éxito la simetría cristalina de los patrones de EBSD.
• Evaluación del rendimiento del algoritmo en patrones de difracción no incluidos en el conjunto de entrenamiento.
• La red neuronal priorizó las características de simetría consistentes con el análisis del cristalógrafo.

Conclusiones:

• La metodología de aprendizaje automático desarrollada facilita la identificación autónoma de las fases de EBSD.
• Este enfoque mejora significativamente el potencial de EBSD como una técnica de caracterización de alto rendimiento.