机构名称：
¥ 4.0
X射线衍射（XRD）是一种直接且强大的表征技术，可提供有关晶格结构和晶体材料中远程顺序的详细信息。近几十年来，由于在线晶体结构数据库的出现，可用的晶体结构数据库的出现，现场和操作方法的使用增加以及可访问用户可访问的光束线。新的数据还催生了越来越多的机器学习（ML）来构建已建立分析的高通量替代物，或从大型数据集中提取模式。然而，XRD光谱已通过Rietveld的细化已解决了多年，而大多数ML技术只是物理 - 非替代的复杂统计评估方法。数据分析与潜在物理学之间的差异可能导致结论不正确和/或限制ML技术的广泛采用。在这篇综述中，我们通过针对新的数据科学家和对与ML引导的光谱分析有关的问题感兴趣的新数据科学家和实验者设计的简介弥合了ML和XRD光谱之间的差距。我们介绍了如何使用监督的ML方法来预测纯样本和混合样本中的可能对称性和相位，包括与实验伪像和模型解释有关的挑战。我们还回顾了无监督方法在提取隐藏在高维数据中的模式中的最新用途，例如在原位和微观研究中。我们提倡对ML方法进行更大的审查，文献中的介绍方式以及如何负责任地进行数据驱动的研究。最后，我们讨论了问题制定，数据可传输性和报告与最新案例研究的重要性，并在整个过程中提供了各种资源，以加快XRD或ML新读者的学习曲线。
基于效率的 - 型 - 基于模型-DNA-nano ...
主要关键词
相关文件推荐
