Machine learning for interpreting coherent X-ray speckle patterns

要約

コヒーレント X 線によって生成されるスペックル パターンは、材料の内部構造と密接な関係がありますが、画像から構造を決定するための関係の定量的な反転は困難です。
ここでは、モデル 2D ディスク システムを使用してコヒーレント X 線スペックル パターンとサンプル構造の間のリンクを調査し、関係の側面を学習する機械学習の能力を探ります。
具体的には、ディープ ニューラル ネットワークをトレーニングして、コヒーレントな X 線スペックル パターン画像を対応する構造のディスク数密度に従って分類します。
分類システムは、非分散サイズ分布と分散サイズ分布の両方で正確であることが実証されています。

要約(オリジナル)

Speckle patterns produced by coherent X-ray have a close relationship with the internal structure of materials but quantitative inversion of the relationship to determine structure from images is challenging. Here, we investigate the link between coherent X-ray speckle patterns and sample structures using a model 2D disk system and explore the ability of machine learning to learn aspects of the relationship. Specifically, we train a deep neural network to classify the coherent X-ray speckle pattern images according to the disk number density in the corresponding structure. It is demonstrated that the classification system is accurate for both non-disperse and disperse size distributions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google