机构名称：
¥ 1.0
1曼彻斯特大学物理与天文学系，曼彻斯特牛津路，曼彻斯特，M139PL，英国关键字：两极分化显微镜，纹理，缺陷，沃罗诺伊模式，在本教程中的机器学习，我们将讨论一系列通过其纹理表征液晶阶段的方法。从极化显微镜开始，我们将显示从列表到近晶和软晶体的各种不同阶段的最特征性纹理，并解释了它们的某些特征性外观和缺陷[1]。同样，我们将很快引入手性，并证明新颖的阶段（例如蓝色相和晶粒边界阶段）如何出现新颖，不同的纹理和缺陷。说明我们如何验证某些液晶缺陷的结构[2,3]后，我们将与固态系统进行简短的比较，固态系统通常显示出与液晶相似的缺陷，但长度尺度非常不同。在这种情况下，还证明了许多液晶纹理实际上可以是通过一种称为伏诺伊图的相当普遍使用的算法而导致的，从而导致伏诺诺纹理[4,5]。终于，我们将探索现代机器学习算法（例如卷积网络和构成模型）的多远来表征液晶。将出现一系列示例，从涉及列相的简单过渡到涉及列非列，流体近晶和近晶型序列[6]甚至软晶体相的更复杂的场景。将讨论机器学习的优势和缺点，也可以看到陷阱以避免[8]。__________________________此外，用副晶体，铁电，铁 - 和抗抗逆逆异性阶段的手性液晶中的完整相位序列将通过机器学习证明是可以预测的[7]。
通过纹理表征液晶
主要关键词
相关文件推荐
