美國羅切斯特大學科研人員開發(fā)出一個機器學習模型，可對X射線衍射（XRD）實驗產(chǎn)生的大量數(shù)據(jù)進行分析以加速材料創(chuàng)新。
科研人員利用涵蓋了不同實驗條件和晶體特性的無機材料實驗數(shù)據(jù)來訓練該模型，并根據(jù)布拉格定律進行分類以優(yōu)化模型架構，再使用3個附加評估數(shù)據(jù)集來測試模型分析訓練數(shù)據(jù)之外材料的性能，使該模型相比于此前研究使用的合成數(shù)據(jù)訓練的模型更加實用。該模型對材料的結構和特性信息進行表征，并對不同材料的晶體系統(tǒng)和空間群進行分類，有助于科研人員開發(fā)適合不同技術應用的材料。下一步，科研人員將創(chuàng)建平臺供其他科研人員共享X射線衍射實驗數(shù)據(jù)，進一步對模型進行訓練和評估。相關研究成果發(fā)表在《npj計算材料》（npj Computational Materials）期刊上。
