应用晶体学杂志
应用杂志
结晶学
国际货币联盟
它
西部数据中心
搜索IUCr日志
家
档案文件
编辑
对于作者
面向读者
提交
订阅
开放存取
日记菜单
家
档案文件
编辑
对于作者
面向读者
提交
订阅
开放存取
研究论文
分享
分享
发布内容
物品统计
下载引文
格式
BIBTeX公司
尾注
RefMan参考手册
请参阅
Medline公司
成本加保险费、运费
SGML公司
文本
纯文本
下载文章的PDF
J.应用。
克里斯特。
(2023).
56
,
519-525
https://doi.org/10.107/S1600576723001516
下载文章的PDF
下载引文
格式
BIBTeX公司
尾注
RefMan参考手册
请参阅
Medline公司
成本加保险费、运费
SGML公司
文本
纯文本
物品统计
发布内容
分享
访问
单晶中子衍射的机器学习辅助自动化
Y.Hao先生
,
E.冯
,
D.卢
,
L.齐默
,
Z.摩根
,
B.C.查库马科斯
,
G.张
和
H.曹
中子散射是一种研究材料和发现新物质的强大但昂贵的技术。
先进的探测器技术大大提高了中子实验的效率,增加了中子数据简化和分析的复杂性。
机器学习为中子衍射数据简化和实验操作带来了新的方向。
本文提出了一种ML辅助的数据简化和分析方法,用于精确识别布拉格峰和相应的感兴趣区域;
然后,它可以使用识别的峰值自动筛选和对准测量的晶体,并随后利用用户提供的信息和检测到的峰值的不确定性量化值来规划和优化数据收集。
该方法在不同的复杂样品环境中表现出稳健的性能,并能够实现自动单晶中子衍射。
关键词:
中子衍射
;
数据缩减
;
机器学习
;
峰值识别
;
不确定性量化
.
阅读文章
类似文章
遵循J.Appl。
克里斯特。
电子警报
推特
脸谱网
RSS(RSS)