东京科学大学的研究人员开发了一种深度学习模型，可以在材料科学中检测到以前未知的准晶相
东京科学大学研究团队研发出一种深度学习模型，为材料科学揭示未知准晶相
探索材料中新颖的晶体结构一直以来都是科学探索的中坚力量，对从电子到制药等各个行业都有重要的影响。由其有序的原子排列所定义的晶体材料在技术进步中扮演着重要的角色。准确地鉴定和表征这些结构通常依赖于粉末X射线衍射等方法。然而，由于出现了具有复杂混合结构的多相样品，准确鉴定这些结构带来了挑战。
为了解决这一挑战，日本东京理科大学（TUS）的研究员与著名机构合作，提出了一种新的深度学习模型。该研究阐述了一种基于机器学习的二分类器的发展，能够从多相粉末X射线衍射图案中检测到一种难以捉摸的二十面体准晶（i-QC）相。
研究人员构建了一个二分类器，使用了80个卷积神经网络。他们使用合成的多相X射线衍射图案对该模型进行了训练，以模拟预期的i-QC相图案。经过严格的训练，该模型表现出了出色的性能，准确度超过92%。它有效地检测到了多相Al-Si-Ru合金中的未知i-QC相，并证实了其在六个合金系统中分析440个来自不同未知材料的衍射图案的能力。
值得注意的是，该模型的功能不仅限于检测主要组分，还能成功识别混合物中非主要组分的难以捉摸的i-QC相。此外，它的潜力还延伸到i-QC相以外，暗示其在识别新的十面体和十二面体准晶体以及各种晶体材料方面的适用性。
该模型展示了一个能够加速多相样品鉴定过程的准确度。这一突破，加上该模型的成功，有望通过加速相识别来革新材料科学，这在介孔硅、矿物、合金和液晶中的相识别中至关重要。
这项研究的影响超越了对准晶相的简单识别，它引入了材料分析中的一种范式转变。它在优化能量存储到推动电子学方面的广泛应用前景为技术进步带来了希望。
这项研究标志着揭示准晶内新相的显著进展，使科学家能够在材料科学的未知领域中航行。该团队的开创性工作丰富了我们对晶体结构的理解，并标志着材料科学中加速发现和创新的新时代的来临。
