DensEst:一种基于潜在的经验自动化方法,用于从总分散数据中确定无序材料的密度

科学领域:

• 材料科学 材料科学 材料科学
• 凝聚物质物理学 凝聚物质物理学
• 统计力学 统计力学

背景情况:

• 总散射测量对于描述无序材料至关重要.
• 同时确定原子数密度 (ρ) 和对分布函数 (g(r)) 提出了重大挑战.
• 现有的分析方法由于阶段信息丢失和数据质量存在局限性.

研究的目的:

• 为了研究总散射的基本极限,同时确定 ρ 和 g (r).
• 识别和解决当前数据分析方法中的实际问题.
• 开发一个强大的协议,以准确确定无序材料中的密度.

主要方法:

• 对结构因子S(Q) 和g(r) 之间的福里埃变换关系的分析研究.
• 对 ρ 提取的 Yarnell 和 Eggert 方法的评估.
• 在AIASSE框架内引入和应用使用实证潜在结构精制 (EPSR) 的密度扫描协议.

主要成果:

• 分析证明,无噪声,无限制的S{\displaystyle S} ,Q{\displaystyle Q} 数据不能单一地确定 ρ 和 g{\displaystyle g} ,r .
• 现有 ρ 提取方法的实际局限性的演示 (Yarnell 和 Eggert).
• 使用密度扫描协议,成功恢复已知密度的超临界,液态D2O和无形在5%以内.

结论:

• 在从总散射数据同时确定原子密度和对分布函数时存在基本限制.
• 拟议的密度扫描协议与EPSR提供了一种可靠的方法来准确确定密度.
• 这种方法克服了以前方法的局限性,并在各种无序材料中得到了验证.