Алгоритм машинного обучения поможет быстро определять кристаллические структуры гибридных материалов
Ученые из Московского государственного университета имени М.В. Ломоносова (Москва) создали автоматизированный алгоритм, способный по данным рентгеновской дифракции быстро определять структуру гибридных галогенидов.
Сначала авторы проанализировали 485 известных на сегодняшний день кристаллических структур галогенидов, полученных с помощью рентгеновской дифракции. Учитывая сходства и различия структур, исследователи разработали метод их классификации.
Классификация представляла собой граф — математическое воплощение системы из объектов (так называемых вершин), связанных между собой. В вершинах этого графа находились различные структуры гибридных материалов, а на ребрах — линиях, связывающих вершины — варианты возможных переходов между структурами. На основе такой классификации ученые разработали алгоритм машинного обучения, позволяющий с высокой точностью предсказывать, как организованы группы атомов в интересующем материале.
Затем для 485 экспериментально известных кристаллических структур ученые смоделировали их теоретические рентгенограммы и дополнили этот набор одиннадцатью экспериментально полученными. Эксперимент показал, что точность определения структуры по рентгенограмме составляет от 71% до 83% в зависимости от того, насколько детализировано взаимное расположение атомов в структуре материала. Разработанный алгоритм, в отличие от ранее предложенных в литературе бинарных классификаций, отличающих только структуры типа перовскита (названных по структуре минерала перовскита — титаната кальция) от не перовскитных структур, является мультиклассификацией и способен распознавать большое количество структурных типов гибридных материалов.