使用受约束的非负矩阵因数分解用于微结构细分
Ashish Chauniyal1, Pascal Thome2, Markus Stricker1
1Interdisciplinary Centre for Advanced Materials Simulation (ICAMS), Ruhr-Universität Bochum, Univeristätstraße 150 44780, Bochum, Germany.
概括
这项研究引入了一种新方法,使用受约束的非负矩阵分解来改善材料的特性. 它准确地细分微结构,并预测电子反射散射衍射 (EBSD) 数据中的模式重叠.
科学领域:
- 材料科学 材料科学 材料科学
- 晶体学 晶体学是指结晶学.
- 计算方法 计算方法
背景情况:
- 电子反射散射衍射 (EBSD) 对于材料的表征至关重要.
- 基库奇图案质量随着图案重叠而降低,常见于缺陷和粒度边界.
- 准确地对晶体学方向进行索引对于EBSD分析至关重要.
研究的目的:
- 开发一种用于细分具有小粒误导的微结构的方法.
- 预测和量化EBSD数据中的模式重叠.
- 为了提高微观结构特征的分辨率和准确性.
主要方法:
- 使用受约束的非负矩阵因子化 (NMF).
- 模拟的基库奇模式与受控的重叠被用来测试该方法的分辨率限制.
- 应用了NMF方法来细分一个单晶树状微观结构.
主要成果:
- 该方法成功地细分了小结构,其误导小于1度.
- 开发了一个重量指标来量化模式重叠和分辨率限制.
- 该NMF方法证明了在像素级别上解决低角度粒度边界的能力,与高分辨率EBSD进行验证.
结论:
- 约束性NMF是微观结构表征的通用和强大的工具.
- 该方法补充了EBSD中现有的快速索引技术.
- 这种方法显著改善了具有微妙误导的复杂微观结构的分析.


