.png){kind=icon}
返回
POMFinder: identifying polyoxometallate cluster structures from pair distribution function data using explainable machine learning
.png){kind=icon}
OA
AI
DOI：10.1107/s1600576723010014.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
配对分布函数（PDF）分析方法对材料结构的表征通常涉及将结构模型与实验数据集进行精修，但为PDF建模寻找或构建合适的原子模型可能是一项极其费力的任务，需要仔细浏览大量可能的模型。本文介绍的是POMFinder，一种机器学习（ML）分类器，可快速筛选结构数据库（此处为多金属氧簇（POM）簇）以识别用于PDF数据建模的候选结构。该方法被证明能够从实验数据中识别合适的POM，包括使用快速采集时间收集的in situ数据。这种自动化方法在材料化学研究中识别适合结构精修的模型方面具有显著潜力，以提取定量结构参数。POMFinder是开源且用户友好的，使其对没有机器学习先验知识的人员也可用。还证明POMFinder为多种散射技术的联合建模提供了有前景的建模框架。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息