Probabilistic Phase Labeling and Lattice Refinement for Autonomous Material Research

要約

X 線回折 (XRD) は、ハイスループット実験において材料の結晶構造を決定するために不可欠な技術であり、最近では自律的な科学発見プロセスにおける人工知能エージェントに組み込まれています。
しかし、受信データレートに一致するXRDデータの迅速かつ自動化された信頼性の高い分析方法は依然として大きな課題です。
これらの問題に対処するために、対称性制約のある擬似リファインメント最適化、最良優先ツリー検索、およびベイジアン モデル比較を使用して、位相空間情報やトレーニングを必要とせずに位相の組み合わせの確率を推定する、確率的 XRD 位相ラベリングの効率的なアルゴリズムである CrystalShift を紹介します。
。
CrystalShift は、合成データセットや実験データセットに対する既存の手法を上回る堅牢な確率推定を提供し、高スループットの実験ワークフローに容易に統合できることを実証します。
CrystalShift は、効率的な位相マッピングに加えて、材料の構造パラメータに対する定量的な洞察を提供します。これにより、専門家による評価と AI ベースの位相空間モデリングの両方が容易になり、最終的に材料の特定と発見が加速されます。

要約(オリジナル)

X-ray diffraction (XRD) is an essential technique to determine a material’s crystal structure in high-throughput experimentation, and has recently been incorporated in artificially intelligent agents in autonomous scientific discovery processes. However, rapid, automated and reliable analysis method of XRD data matching the incoming data rate remains a major challenge. To address these issues, we present CrystalShift, an efficient algorithm for probabilistic XRD phase labeling that employs symmetry-constrained pseudo-refinement optimization, best-first tree search, and Bayesian model comparison to estimate probabilities for phase combinations without requiring phase space information or training. We demonstrate that CrystalShift provides robust probability estimates, outperforming existing methods on synthetic and experimental datasets, and can be readily integrated into high-throughput experimental workflows. In addition to efficient phase-mapping, CrystalShift offers quantitative insights into materials’ structural parameters, which facilitate both expert evaluation and AI-based modeling of the phase space, ultimately accelerating materials identification and discovery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google