凝聚态>材料科学
标题: 利用多任务学习进行精确且数据高效的微XRD相位识别:在水热流体中的应用
摘要: 热液流体环境中高畸变微X射线衍射({\mu}-XRD)模式的传统分析是一个耗时的过程,通常需要大量数据预处理和标记实验数据。 本研究展示了使用多任务学习(MTL)体系结构进行深度学习以克服这些局限性的潜力。 我们训练MTL模型来识别{\mu}-XRD模式中的相位信息,最大限度地减少了对标记实验数据的需要,并屏蔽了预处理步骤。 值得注意的是,与二进制分类CNN相比,MTL模型显示出更高的准确性。 此外,引入定制的交叉熵损失函数提高了MTL模型的性能。 最重要的是,调整MTL模型以分析原始和未屏蔽的XRD图案,与分析预处理数据的模型取得了相近的性能,精确度差异最小。 这项工作表明,先进的深度学习体系结构(如MTL)可以自动化艰巨的数据处理任务,简化畸变XRD模式的分析,并减少对劳动密集型实验数据集的依赖。