ディープラーニングによるX線微分パターンの未知の化合物の結晶構造の割り当て

科学分野:

• 材料科学
• コンピュータ化学
• クリスタルグラフィー

背景:

• 実験データから結晶構造を決定することは,材料科学にとって不可欠です.
• 現在の方法はしばしば広範な領域の専門知識を必要とし,自動化を妨げています.
• 構造の識別を自動化することは,高通量材料の発見に不可欠です.

研究 の 目的:

• 実験的な特徴から結晶構造のタイプを自動識別するためのディープラーニングモデルを開発する.
• 手動構造分析と分野専門知識への依存を克服する.
• 高通量実験からの材料の効率的な分析を可能にします.

主な方法:

• 集積的な残留ニューラルネットワークを組み合わせた ディープラーニングモデルを使用した.
• 100の構造タイプにわたる6万以上の化合物のデータセットでモデルを訓練し,検証しました.
• 構造的な類似性を定量化する方法を理解するために モデルの解釈性を分析しました

主要な成果:

• ディープラーニングモデルは,X線 difraktion (XRD) パターンから結晶構造のタイプを正確に識別します.
• このモデルは再訓練なしに追加の構造型を統合できます.
• このモデルは,XRDパターンのローカルとグローバルの両方の特徴に基づいて類似性を定量化します.

結論:

• 自動化された材料構造分析のための新しい計算ツールが開発されました.
• このアプローチは,構造の決定のための専門知識への依存を大幅に軽減します.
• このツールは,高スループットメソッドで生成された新しい材料の迅速な分析を容易にする.