Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Машинное обучение поможет ускорить исследование состава материала
Студент НИТУ МИСИС описал метод, который позволит материаловедам сэкономить время при расшифровке рентгенограмм. Он предложил использовать машинное обучение для прогнозирования фаз кристаллической структуры переходных металлов и их оксидов на основе данных рентгеновской дифракции.
Статья вошла в сборник ML4Materials конференции International Conference on Learning Representations (ICLR), которая считается самой престижной в мире в сфере ИИ согласно среднему индексу цитирования Google.
Один из основных методов, используемых в материаловедении — рентгенофазовый анализ — основан на получении данных о химическом составе материала при помощи рентгеновской дифракции. На практике в процессе производства и во время дифракции в установке дифрактометра образуются различные оксиды и лишние соединения, которые могут мешать идентификации фаз материала, поэтому по-прежнему существует потребность в более надежных и точных методах определения элементов на дифрактограммах.
Машинное обучение уже давно используется для прогнозирования свойств материалов, анализа кристаллической структуры и классификации дифракционных картин. База данных рентгенограмм позволяет проводить идентификацию более конкретным и целенаправленным образом, снижая вероятность ошибок интерпретации. Однако ранее в научных работах такие подходы практически не применялись по отношению к оксидам переходных металлов, которые используются в различных областях – от трубопроводного транспорта до электронных приборов.
«Метод состоит из трех этапов. Сначала, собираются признаки о пиках на спектограммах, то есть подсчитывается позиция, величина, расстояние и площадь каждого пика. Стоит обратить внимание на главный признак — площадь графика между пиками. Он позволяет сравнивать паттерны дифракций разных веществ и находить точные совпадения. С помощью данного алгоритма идет подсчет количества совпадений. Так как пики могут иметь различные отклонения, используется машинное обучение. Полученные признаки, включая количество совпавших пиков, подается в классические алгоритмы машинного обучения для корректировки итогового результата. Самой лучшей моделью стал случайный лес с увеличенной глубиной», – рассказал автор исследования Максим Жданов.
Одной из ключевых функций, используемых для этого анализа, является расчет площади пиков, который применяется для количественной оценки интенсивности дифракционных пиков. Этот аспект позволяет более точно и быстро идентифицировать различные фазы в рентгенограммах, что в будущем может значительно сэкономить время ученому при исследовании материала.
Описанный метод имеет свои ограничения. Идентификация близких фаз по-прежнему может быть неточной в случаях, где рисунок и кристаллическая структура различаются по ряду причин. Помимо прочего, на точность идентификации влияет состояние дифрактометра и предыдущие проведенные эксперименты.
«Сейчас предложенным методом трудно работать с задачами, где встречается множество разных веществ. Стоит попробовать применение нейронных сетей со структурированным латентным пространством, например, как в вариационных автоэнкодерах, для извлечения более важных признаков из разных групп материалов», — отметил Максим Жданов. В будущих исследованиях будет расширен спектр материалов, а также в перспективе проведение тестов на реальных данных.
В Бразилии проживает более 200 миллионов человек, немалую долю которых занимают потомки иммигрантов. Колонизация с XV по XX века считается самым масштабным переселением народов в истории. Порядка пяти миллионов человек переселились туда из Европы. Столько же насильно переместили с Африканского континента. Сегодня бразильцы — это наиболее генетически разнородная нация, и одна из самых малоизученных. Поэтому неудивительно, что новая работа по результатам полногеномного анализа населения принесла целый ряд открытий.
Физики долго не могли определиться, является ли висмут топологическим материалом. Детальное исследование показало, что ученым стоит передоговориться о терминах.
В современном мире многие считают личный автотранспорт необходимостью. Однако отдельные семьи сознательно выбирают жизнь без автомобиля, причем делают это не из финансовых или экологических соображений, как можно было бы ожидать, выяснили израильские ученые.
Предполагается, что следы внеземного разума удастся обнаружить по гипотетическим астроинженерным сооружениям, которые космические цивилизации могут возводить вокруг своих звезд для сбора энергии. Современные научные инструменты теоретически позволяют открыть такие объекты, но ученые их не находят. Почему? Существует несколько вариантов ответа, недавно еще один дал астроном из проекта Breakthrough Listen.
Новые данные от сейсмостанции Mars InSight показали, что на глубине пяти-восьми километров под поверхностью Красной планеты может скрываться жидкость общим объемом намного больше Северного Ледовитого океана. Наличие там воды считают единственным реалистичным объяснением.
В богатом римском доме в Помпеях обнаружили останки четырех человек, а также детский амулет, баррикаду из кровати и следы борьбы. Спустя две тысячи лет ученые восстановили последние минуты жизни этих людей. Они надеялись пережить стихию за толстыми стенами, а когда поняли, что спасения нет, до конца боролись за жизнь.
Да, с волосами и люком все так. У космонавта Суниты Уильямс волосы на МКС плавали свободно, а у Кэти Пэрри и прочих в полете 14 апреля 2025 года — нет. Но это не значит, что суборбитального космического полета первого чисто женского экипажа не было или что он был инсценировкой. Причем, в общем-то, чтобы понять это, даже не нужно обладать специальными знаниями.
Мощнейшее отключение электроэнергии за последние 20 лет истории Европы случилось уже неделю назад, а испанские власти пока так и не объявили о его причинах. Это логично: как мы покажем ниже, ответ на вопрос, кто виноват, получится очень неполиткорректным. И, более того, противоречащим линии правящей в Испании партии. Но мы живем за тысячи километров от нее, поэтому можем себе позволить аполитичный анализ случившегося. Так что же произошло на самом деле и каковы наши шансы увидеть подобное у себя дома?
Инженеры компании UST Inc. разработали передовой рельсовый беспилотник, способный передвигаться на скорости до 500 километров в час. Юнибус U5-75304 предназначен для перевозки пассажиров и может в перспективе заменить среднемагистральную авиацию. Давайте узнаем, как конструктивные особенности обеспечивают продолжительное движение на больших скоростях, комфорт и безопасность пассажирам.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
ПонятноИз-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
ПонятноНаши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
ПонятноМы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
ПонятноМы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно
Комментарии