机器学习识别混合合物矿矿和矿相关结构的X射线衍射模式的X射线衍射模式

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.
• 机器学习 机器学习

背景情况:

• 准确的晶体结构识别对于新型功能材料的发现至关重要.
• 混合矿结构分析的传统方法耗时,需要专门的专业知识.
• 挑战包括潜在的假阳性/假阴性和矿相关结构的复杂性.

研究的目的:

• 开发一种机器学习 (ML) 方法,用于快速分类混合合物结构.
• 识别无机子结构的维度,多面连接类型和整体结构类型.
• 为了简化和加快粉末X射线衍射 (XRD) 数据的解释.

主要方法:

• 使用机器学习决策树分类模型.
• 使用粉末XRD数据训练和测试模型,包括理论计算的模式.
• 在实验XRD数据上验证了ML模型的性能.

主要成果:

• 在14种常见类型中,无机基结构维度的平均精度为0.76 ± 0.07,合物连接类型为0.827 ± 0.028,结构类型为0.71 ± 0.05.
• 将数据集扩展到30种结构类型,分别为0.820 ± 0.022,0.74 ± 0.05和0.633 ± 0.018的精度.
• 实验验证表明尺寸预测的精度为1.0,结构类型预测的精度为0.82.

结论:

• 开发的ML模型有效地使用粉末XRD数据对混合化物结构进行了分类.
• 这种方法显著简化和加快了复杂的晶体学数据的解释.
• 有助于更快地探索和发现新的混合矿材料.