小角X線散乱の機械学習支援解析【JST・京大機械翻訳】

Tomaszewski Piotr; Yu Shun; Borg Markus; Ronnols Jerk

プレプリント

J-GLOBAL ID：202202201566705516 整理番号：21P0231869

小角X線散乱の機械学習支援解析【JST・京大機械翻訳】

Machine Learning-Assisted Analysis of Small Angle X-ray Scattering

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

arXiv掲載論文の撤回有無については、一次情報をご確認下さい。

著者 (4件)： , , ,
資料名：
発行年： 2021年11月16日プレプリントサーバーでの情報更新日： 2021年11月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント言語：英語 (EN)

小角X線散乱(SAXS)は,ナノ構造を調べる方法として材料科学で広く使用されている。実験SAXSデータの解析は,かなり単純なデータフォーマットを膨大な量の構造モデルにマッピングすることを含む。モデル選択を支援するための様々な科学計算ツールにもかかわらず,その活動はSAXS分析者の経験に大きく依存しており,これはコミュニティによる効率ボトルネックとして認識されている。この意思決定問題に対処するために,モデル選択に関する推奨を提供するために,オープンソース,機械学習ベースツールSCAN(散乱Ai aNalysis)を開発し,評価した。SCANは複数の機械学習アルゴリズムを利用し,モデルおよびSasViewパッケージに実装されたシミュレーションツールを用いて,データセットの良く定義された集合を生成する。著者らの評価は,SCANが95%~97%の全体的精度を提供することを示した。XGBoost分類器は,精度と訓練時間の良好なバランスで,最も正確な方法として同定された。一般的ナノ構造のための11のあらかじめ定義された構造モデルと,数およびタイプ訓練モデルを拡張するための簡単な引き下げ関数を用いて,SCANはSAXSデータ解析ワークフローを加速できる。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , ,

ライセンス情報：

前のページに戻る