基准测试无监督集群算法用于原子力显微镜数据的聚酸基酸膜
Ashish T S Ireddy1, Fares D E Ghorabe1, Ekaterina I Shishatskaya1
1Infochemistry Scientific Centre, ITMO University, 9 Lomonosova St., 191002 St. Petersburg, Russia.
ACS omega
|May 20, 2024
概括
这项研究使用原子力显微镜 (AFM) 和机器学习 (ML) 来分类聚酸 (PHA) 薄膜. 在向量化数据上的1D福里埃变换 (FT) 产生了最准确的电影分类结果.
科学领域:
- 材料科学 材料科学 材料科学
- 聚合物科学 聚合物科学
- 数据科学数据科学数据科学
背景情况:
- 聚酸酸 (PHAs) 是具有多种单体组成的可生物降解聚合物.
- 描述PHA薄膜表面对于理解其特性和应用至关重要.
- 传统的表面分析方法可以通过先进的计算技术来增强.
研究的目的:
- 使用机器学习 (ML) 根据表面特征对聚酸 (PHA) 薄膜进行分类.
- 为了对12个未经监督的聚类算法进行PHA薄膜分析的性能进行基准测试.
- 评估富里埃变换 (FT) 预处理对高维表面数据的影响.
主要方法:
- 原子力显微镜 (AFM) 用于获取PHA膜的表面地形数据.
- 无监督机器学习 (ML) 算法,包括集群,应用于AFM数据.
- 矢量化表面数据使用1D利叶变换 (FT) 进行预处理,以加强分类.
主要成果:
- 该研究对12种广泛使用的聚类算法进行了基准比较,用于PHA电影分类.
- 使用1D里叶变换 (FT) 预处理矢量化数据显著提高了分类准确性.
- 具体的算法性能因数据集和数据池特征而异.
结论:
- 矢量化AFM数据的1DFT是一种非常有效的方法来分类PHA电影.
- 机器学习方法为高分子的高级表面表征提供了强大的工具.
- 开发的工具为未来自动化表面调查方面的改进提供了基础.
