Машинное обучение и структура материалов

Исследователи МИИ интеллектуальных материалов в коллаборации с  исследователями Университета Турина (Италия) и Католического университета г. Левена (Бельгия) предложили новый подход для анализа спектров рентгеновского поглощения (EXAFS) с использованием методов машинного обучения.

11.01.2022


Работа учёных была опубликована в высокорейтинговом международном издании The Journal of Physical Chemistry A и отмечена на обложке журнала.


Спектроскопия EXAFS является мощным инструментом для определения атомной структуры материалов. Несмотря на то, что технология широко применяется научным сообществом, существуют проблемы, которые стандартные методы преодолеть не способны. 


Одной из таких проблем является зависимость теоретических фаз и амплитуд от изначальной геометрии, которая задаётся в теоретической модели. Вследствие этой зависимости значения структурных параметров в некоторых случаях могут сильно меняться в зависимости от модели, которую задаёт сам пользователь.


Новый подход к анализу спектров расширенной тонкой структуры поглощения рентгеновских лучей (EXAFS) предполагает использование алгоритма, основанного на обратном машинном обучении. Благодаря этому можно исследовать и точно учитывать нелинейную геометрическую зависимость фаз и амплитуд обратного рассеяния фотоэлектронов на траекториях однократного и многократного рассеяния.


Преимущества нового подхода успешно продемонстрированы на примере двух молекулярных систем: KAu(CN)2 и [RuCl2(CO)3]2 в рамках проекта РНФ по исследованию каталитической системы на основе рутения.