論文の概要: Robust retrieval of material chemical states in X-ray microspectroscopy
- arxiv url: http://arxiv.org/abs/2308.04207v1
- Date: Tue, 8 Aug 2023 12:17:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-09 13:07:42.755319
- Title: Robust retrieval of material chemical states in X-ray microspectroscopy
- Title（参考訳）: x線マイクロスペクトロスコピーによる材料化学状態のロバスト検索
- Authors: Ting Wang, Xiaotong Wu, Jizhou Li, Chao Wang
- Abstract要約: 本稿では,X線顕微鏡のための新しいデータ定式化モデルを提案する。
我々のフレームワークは、複雑で不均一なサンプルの化学状態を、挑戦的な条件下であっても正確に識別し、特徴付けることができる。
- 参考スコア（独自算出の注目度）: 10.621361408885765
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: X-ray microspectroscopic techniques are essential for studying morphological
and chemical changes in materials, providing high-resolution structural and
spectroscopic information. However, its practical data analysis for reliably
retrieving the chemical states remains a major obstacle to accelerating the
fundamental understanding of materials in many research fields. In this work,
we propose a novel data formulation model for X-ray microspectroscopy and
develop a dedicated unmixing framework to solve this problem, which is robust
to noise and spectral variability. Moreover, this framework is not limited to
the analysis of two-state material chemistry, making it an effective
alternative to conventional and widely-used methods. In addition, an
alternative directional multiplier method with provable convergence is applied
to obtain the solution efficiently. Our framework can accurately identify and
characterize chemical states in complex and heterogeneous samples, even under
challenging conditions such as low signal-to-noise ratios and overlapping
spectral features. Extensive experimental results on simulated and real
datasets demonstrate its effectiveness and reliability.
- Abstract（参考訳）: x線マイクロスペクトロスコープ技術は、材料の形態的および化学的変化を研究するために必須であり、高分解能な構造と分光情報を提供する。
しかし、化学状態の確実な回収のための実用的なデータ分析は、多くの研究分野における材料の基本的理解を加速させる大きな障害である。
本研究では、x線マイクロスペクトロスコピーのための新しいデータ定式化モデルを提案し、ノイズやスペクトル変動に頑健な、この問題を解決するための専用非混合フレームワークを開発した。
さらに、この枠組みは二状態物質化学の分析に限らず、従来および広く用いられている手法の代替として有効である。
また、より効率的に解を得るために、証明可能な収束を伴う代替方向乗算法が適用される。
提案手法は,低信号対雑音比や重なり合うスペクトル特徴といった困難な条件下でも,複雑な試料や異種試料の化学状態を正確に同定し特徴付けることができる。
シミュレーションおよび実データに対する大規模な実験結果は、その有効性と信頼性を示している。
関連論文リスト
- Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。
この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。
提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文 参考訳（メタデータ） (2024-07-26T10:29:16Z) - Deep Learning Domain Adaptation to Understand Physico-Chemical Processes from Fluorescence Spectroscopy Small Datasets: Application to Ageing of Olive Oil [4.14360329494344]
蛍光分光法は生命科学や化学の基本的な道具であり、環境モニタリング、食品品質管理、生物医学診断などの応用に広く用いられている。
深層学習を用いた分光データの解析、特に蛍光励起放出行列(EEM)は、通常、小さくてスパースなデータセットが利用できるため、大きな課題を提起する。
本研究では、これらの課題に対処する新しい解釈可能性アルゴリズムとともに、事前学習された視覚モデルによるドメイン適応を利用する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-06-14T13:41:21Z) - Hyperspectral unmixing for Raman spectroscopy via physics-constrained
autoencoders [0.565395466029518]
オートエンコーダニューラルネットワークを用いたハイパースペクトルアンミックスアルゴリズムを開発した。
その結果, アンミックス方式に比べて精度, 堅牢性, 効率性が向上した。
論文 参考訳（メタデータ） (2024-03-07T14:27:08Z) - Stoichiometry Representation Learning with Polymorphic Crystal
Structures [54.65985356122883]
確率論記述子は、構造的な情報を持たない特定の化合物を形成するために関係する要素間の比を明らかにすることができる。
本稿では,手軽に利用できる構造情報を利用して,確率論の確率的表現を学習するPolySRLを提案する。
論文 参考訳（メタデータ） (2023-11-17T20:34:28Z) - Probabilistic Phase Labeling and Lattice Refinement for Autonomous
Material Research [20.78180998995325]
確率的XRD位相ラベリングのための効率的なアルゴリズムであるCrystalShiftを提案する。
我々は、CrystalShiftが頑健な確率を提供し、合成および実験データセットにおける既存の手法より優れていることを実証した。
効率的な位相マッピングに加えて、CrystalShiftは材料の構造パラメータに関する定量的な洞察を提供する。
論文 参考訳（メタデータ） (2023-08-15T17:38:38Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳（メタデータ） (2023-02-09T20:19:57Z) - Exploring Supervised Machine Learning for Multi-Phase Identification and
Quantification from Powder X-Ray Diffraction Spectra [1.0660480034605242]
粉体X線回折分析は材料特性評価法の重要な構成要素である。
深層学習は、X線スペクトルから結晶学パラメータと特徴を予測するための主要な焦点となっている。
ここでは,多ラベル結晶相同定のための深層学習の代わりに,従来の教師付き学習アルゴリズムに関心がある。
論文 参考訳（メタデータ） (2022-11-16T00:36:13Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳（メタデータ） (2022-01-07T22:26:33Z) - Subspace modeling for fast and high-sensitivity X-ray chemical imaging [4.062272647963248]
TXM-XANESイメージング技術は、マルチエネルギーのX線で一連の顕微鏡画像を取得して化学マップを得るという、新たなツールである。
高速かつ高感度なケミカルイメージングを実現するため,画像品質向上のためのシンプルで頑健なデノナイジング手法を提案する。
論文 参考訳（メタデータ） (2022-01-01T23:26:06Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。