编委Ceder G发明:一种新型高效材料相态检测方法
通过将ML算法与物理衍射仪耦合,该方法集成了衍射和分析过程,以便利用早期的实验信息来引导测量,最终提高训练以识别晶体相模型的置信度。我们的研究结果展示了内联ML在材料表征方面的优势,并指出了更通用的自适应实验方法的可能性。由美国加州大学伯克利分校材料科学与工程系的Gerbrand Ceder教授(本刊编委)领导的团队,在基于卷积神经网络的ML算法的驱动下,制定了一种用于自主相位识别的自适应引导XRD技术。这些发现为动态过程的自适应表征提供了一个清晰的概念证明,突出了由ML驱动的自主实验的机会。
原创
2024-03-18 14:21:31 ·
249 阅读 ·
0 评论