返回
Machine learning in X-ray diffraction for materials discovery and characterization
DOI:10.1016/j.matt.2025.102272.png)
摘要
En 中文
X射线衍射(XRD)是一种即时且强大的表征技术,能够提供关于晶体材料中晶格结构和长程有序性的详细信息。在近几十年中,可用的晶体结构数据的质量和数量呈爆炸式增长,这在很大程度上得益于高通量材料合成与加工技术的出现、在线晶体结构数据库的发展、原位和工况方法应用的增多以及用户可访问的束流线。这些新的大量数据也催生了机器学习(ML)的日益广泛应用,用于构建高通量替代分析或从大型数据集中提取模式。然而,几十年来XRD分析一直通过里特夫(Rietveld)精修方法解决,而大多数机器学习技术仅是复杂的统计评估方法,且与物理无关。数据分析与基础物理之间的差异可能导致错误结论和/或限制机器学习技术的广泛应用。在本综述中,我们通过为对XRD感兴趣的新数据科学家和希望将其应用于现有数据的实验人员的介绍,开始弥合机器学习与X射线衍射光谱之间的差距。我们同时倡导在实验数据共享和适当材料元数据方面的更大合作,以实现跨研究元分析和多源预测机器学习模型的训练。
期刊
IF:
17.5
论文数:
2.5K
被引数:
1.8W
机构
引用论文
GSAS-II: the genesis of a modern open-source all purpose crystallography software package gsas-ii : 现代开源通用晶体学软件包的起源
Challenges in High-Throughput Inorganic Materials Prediction and Autonomous Synthesis高通量无机材料预测和自主合成的挑战
PRX Energy
IF0
Autonomous discovery of optically active chiral inorganic perovskite nanocrystals through an intelligent cloud lab通过智能云实验室自主发现光学活性手性无机钙钛矿纳米晶体
NATURE COMMUNICATIONS
IF15.7
Perovskite or Not Perovskite? A Deep-Learning Approach to Automatically Identify New Hybrid Perovskites from X-ray Diffraction Patterns钙钛矿还是不钙钛矿?一种从x射线衍射图中自动识别新的混合钙钛矿的深度学习方法
ADVANCED MATERIALS
IF26.8

