Классификация кристаллических структур с использованием сверточной нейронной сети

Представлен метод глубокого машинного обучения на основе сверточной нейронной сети (CNN). Метод использовали для классификации порошковых рентгеновских дифракционных (XRD) картин по кристаллической системе, группе погасания и пространственной группе. Около 150 000 порошковых XRD-картин были собраны и использованы в качестве входных данных для CNN без применения ручного конструирования признаков, что позволило разработать подходящую архитектуру CNN для определения кристаллической системы, группы погасания и пространственной группы. В резком отличие от традиционного анализа порошковых XRD-картин CNN не рассматривает их как деконволюированные дискретные положения пиков или данные об интенсивности; вместо этого XRD-картины воспринимаются исключительно как изображения. CNN интерпретирует признаки порошковой XRD-картины, которые человек распознать не может. В результате точность классификации пространственной группы, группы погасания и кристаллической системы составила соответственно 81,14%, 83,83% и 94,99%. Затем хорошо обученную CNN использовали для идентификации симметрии неизвестных новых неорганических соединений.