鲁尔大学波鸿分校 信用:CC0公共领域 x光衍射数据的有效分析在新材料的发现中起着至关重要的作用，例如对于未来的能源系统
它被用来分析新材料的晶体结构，以便找出它们可能适合的应用
近年来，通过自动化，XRD测量已经显著加快，并且在测量材料库时提供了大量数据
“然而，XRD分析技术在很大程度上仍然是手动的、耗时的、容易出错的和不可扩展的，”阿尔弗雷德·路德维希说
“为了在未来使用自主高通量实验更快地发现和优化新材料，需要新的方法
" 在《自然计算科学》杂志的一份新出版物中，由Dr
菲利普·M
马费通(目前在美国厄普顿的国家同步加速器光源二
S
)和来自利物浦大学化学系和材料创新工厂的安德鲁·库珀教授，以及来自材料发现和界面主席的拉尔斯·班克和阿尔弗雷德·路德维格教授和来自高级材料模拟跨学科中心的尤里·来苏戈尔斯基展示了如何使用人工智能使XRD数据分析更快、更准确
该解决方案是一个人工智能代理称为晶体学伴侣代理(XCA)，它与科学家合作
XCA可以在测量时根据XRD数据进行自主相位识别
该试剂适用于有机和无机材料体系
这是通过用于训练算法的物理上正确的x光衍射数据的大规模模拟来实现的
模拟专家讨论 此外，该团队为当前任务所采用的代理的一个独特特征是，它克服了传统神经网络的过度自信
即使数据不支持明确的结论，这样的网络也会做出最终决定，而科学家会传达他们的不确定性，并与其他研究人员讨论结果
拉斯·班克解释说:“这个群体的决策过程是由一组神经网络模拟的，类似于专家之间的投票。”
在XCA，可以说，一组神经网络组成了专家小组，向研究人员提交建议
“这是在没有人工、人工标记的数据的情况下完成的，并且对许多实验复杂性来源来说是稳健的，”班克说
XCA也可以扩展到其他形式的表征，如光谱学
“通过补充自动化和自主实验的最新进展，这一发展构成了加速新材料发现的重要一步，”阿尔弗雷德·路德维希总结道
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
