精品人妻无码一区二区三区百度,乱世桃花免费观看完整版高清,龙腾小说网亚洲最大的精品小说阅读网

識別給定材料的晶體結構對于理解和預測其物理特性很重要。由于其識別復雜模式的能力，神經網絡（NN）可以推動材料科學數據分析的范式轉變。

在此，德國馬克斯普朗克學會弗里茨哈伯研究所Andreas Leitherer等人通過貝葉斯深度學習來實現一個靈活、穩健且與閾值無關的晶體分類模型（稱之為 ARISE）。這種方法從計算和實驗中正確分類了一組全面多樣的晶體結構，包括單晶和多晶系統（通過跨步模式匹配（SPM））。

只需給定一個未知結構，網絡便以自動方式在108 個可能的類別中分配最相似的原型（并量化相似性），這對于受過訓練的材料科學家來說也是一項非常復雜的任務，特別是復雜有缺陷的3D結構。ARISE僅接受理想結構的訓練，并在掃描透射電子顯微鏡（STEM）和原子電子斷層掃描（AET）實驗中正確識別晶體結構，因此展示了強大的泛化能力。

圖1. 合成多晶結構的結構相似性分析

此外，貝葉斯深度學習模型的概率性質允許獲得原則性的不確定性估計，作者發現其與電子斷層掃描實驗中金屬納米粒子的結晶順序相關。將無監督學習應用于內部NN模型揭示了晶界和（不明顯的）結構區域共享易于解釋的幾何特性，這說明了如何結合監督和無監督機器學習來發現材料科學數據中的隱藏模式。

由于 ARISE不僅限于預測空間群，因此可以解決空間群不表征晶體結構的系統（如碳納米管），也可以考慮更復雜的系統，例如準晶體、周期或編織結構。事實上，ARISE可以應用于任何提供化學物種標記的笛卡爾坐標數據。這項工作使迄今為止對來自計算或實驗的雜亂原子結構數據的分析成為可能。

圖2. 通過ARISE和SPM分析HAADF和HRTEM圖像

Robust recognition and exploratory analysis of crystal structures via Bayesian deep learning, Nature Communications 2021. DOI: 10.1038/s41467-021-26511-5

原創文章，作者：科研小搬磚，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/12/b3debf7e76/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

Nat. Commun.：貝葉斯深度學習對晶體結構進行穩健識別和探索性分析

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

Nat. Commun.：貝葉斯深度學習對晶體結構進行穩健識別和探索性分析

相關推薦