Enfoques de aprendizaje automático para la clasificación cristalográfica a partir de datos sintéticos de difracción...

Área de la Ciencia:

• Ciencia de Materiales
• Cristalografía
• Ciencia Computacional

Sus antecedentes:

• La identificación de estructuras cristalográficas es vital para las propiedades de los materiales.
• El análisis actual de patrones de difracción de rayos X 2D (XRD) requiere mucho tiempo y mano de obra.
• La escasez de datos experimentales dificulta un análisis exhaustivo.

Objetivo del estudio:

• Desarrollar un método automatizado y de alto rendimiento para clasificar sistemas cristalinos y grupos espaciales.
• Aprovechar los patrones sintéticos de difracción de rayos X 2D y el aprendizaje profundo (DL) para mejorar el análisis cristalográfico.
• Introducir el Pipeline de Difracción Automática para generar datos sintéticos realistas de difracción de rayos X.

Principales métodos:

• Generación de patrones de difracción de rayos X 2D sintéticos utilizando el Pipeline de Difracción Automática.
• Inclusión de diversas condiciones (ejes de zona, variaciones atómicas, carga mecánica) para mejorar el realismo de los datos sintéticos.
• Entrenamiento y validación de redes neuronales convolucionales en conjuntos de datos sintéticos para la clasificación de estructuras.

Principales resultados:

• Se demostró una clasificación rápida y precisa de las estructuras cristalográficas.
• Se clasificaron con éxito siete sistemas cristalinos y 230 grupos espaciales utilizando datos sintéticos y DL.
• Se validó la efectividad del Pipeline de Difracción Automática en la creación de conjuntos de entrenamiento grandes y representativos.

Conclusiones:

• La integración de patrones sintéticos de difracción de rayos X 2D con DL permite una clasificación cristalográfica automatizada y eficiente.
• Este enfoque basado en datos supera la escasez de datos experimentales y los cuellos de botella de análisis.
• Promueve una mayor adopción de métodos computacionales en la ciencia de materiales para la identificación de estructuras.