Показать сокращенную информацию
Возможности нейросетевого порошкового дифракционного анализа кристаллической структуры химических соединений |Possibilities of Neural Network Powder Diffraction Analysis Crystal Structure of Chemical Compounds
Автор | Залога, А. Н. | |
Автор | Становов, В. В. | |
Автор | Безрукова, О. Е. | |
Автор | Дубинин, П. С. | |
Автор | Якимов, И. С. | |
Дата внесения | 2020-01-20T07:53:49Z | |
Дата, когда ресурс стал доступен | 2020-01-20T07:53:49Z | |
Дата публикации | 2019 | |
Библиографическое описание | Залога, А. Н. Возможности нейросетевого порошкового дифракционного анализа кристаллической структуры химических соединений |Possibilities of Neural Network Powder Diffraction Analysis Crystal Structure of Chemical Compounds [Текст] / А. Н. Залога, В. В. Становов, О. Е. Безрукова, П. С. Дубинин, И. С. Якимов // JOURNAL OF SIBERIAN FEDERAL UNIVERSITY-CHEMISTRY. — 2019. — Т. 12 (№ 2). — С. 188-200 | |
URI (для ссылок/цитирований) | http://journal.sfu-kras.ru/number/110285 | |
URI (для ссылок/цитирований) | https://elib.sfu-kras.ru/handle/2311/128998 | |
Аннотация | Исследованы некоторые возможности применения сверточных искусственных нейронных сетей (ИНС) для порошкового дифракционного структурного анализа кристаллических веществ. Во-первых, ИНС применены для классификации кристаллических систем и пространственных групп симметрии по расчетным полнопрофильным дифрактограммам, вычисленным из кристаллических структур базы данных ICSD 2017 г. База ICSD содержит 192004 структуры, из которых 80 % использовалось для глубокого обучения сети, а 20 % для независимого тестирования точности распознавания. Точность классификации сетью кристаллических систем составила 87,9 %, а пространственных групп – 77,2 %. Во- вторых, другая ИНС применена для классификации структурных моделей, сгенерированных стохастическим генетическим алгоритмом в процессах поиска кристаллических структур тестовых триклинных соединений K4SnO4 и K4SnO4, по их полнопрофильным дифрактограммам. Было сгенерировано около 150 тысяч структурных моделей каждой из этих структур. Глубокое обучение сети выполнялось на дифрактограммах структурных моделей K4PbO4. Обученная сеть была применена для классификации структурных моделей K4SnO4 по их дифрактограммам. Критерием классификации являлось попадание атомов в их кристаллографические позиции в структуре. Точность классификации адекватных позиций атомов в структурных моделях K4SnO4 превысила 50 %. | |
Тема | кристаллическая структура | |
Тема | порошковая дифракция | |
Тема | генетические алгоритмы | |
Тема | метод Ритвельда | |
Тема | искусственные нейронные сети | |
Название | Возможности нейросетевого порошкового дифракционного анализа кристаллической структуры химических соединений |Possibilities of Neural Network Powder Diffraction Analysis Crystal Structure of Chemical Compounds | |
Тип | Journal Article | |
Тип | Published Journal Article | |
Страницы | 188-200 | |
ГРНТИ | 31.15.17 | |
Дата обновления | 2020-01-20T07:53:49Z | |
DOI | 10.17516/1998-2836-0118 | |
Институт | Институт цветных металлов и материаловедения | |
Подразделение | Кафедра композиционных материалов и физико-химии металлургических процессов | |
Журнал | JOURNAL OF SIBERIAN FEDERAL UNIVERSITY-CHEMISTRY | |
Квартиль журнала в Web of Science | без квартиля |