La difracción de rayos X en polvo (XRD) es una técnica fundamental para caracterizar materiales cristalinos. Sin embargo, la interpretación confiable de los patrones de XRD, particularmente en sistemas multiphásicos, sigue siendo una tarea manual que requiere experiencia. Como método de caracterización que solo proporciona información estructural, a menudo se pueden ajustar múltiples fases de referencia a un solo patrón, lo que lleva a una posible mala interpretación cuando se pasan por alto soluciones alternativas. Para facilitar los esfuerzos humanos y abordar el desafío, introducimos Dara (análisis Rietveld automatizado basado en datos), un marco diseñado para automatizar la identificación y el refinamiento robustos de múltiples fases a partir de datos de XRD en polvo. Dara realiza una búsqueda exhaustiva en un árbol sobre todas las combinaciones de fases plausibles dentro de un espacio químico dado y valida cada hipótesis utilizando la rutina de refinamiento Rietveld BGMN. Las características clave incluyen filtrado de bases de datos estructurales, agrupamiento automático de fases isoestructurales durante la expansión del árbol, y puntuación basada en coincidencia de picos para identificar fases prometedoras para refinamiento. Cuando existe ambigüedad, Dara genera múltiples hipótesis que pueden ser decididas posteriormente por expertos humanos o con herramientas de caracterización adicionales. Al mejorar la confiabilidad y precisión de la identificación de fases, Dara permite un análisis escalable de patrones XRD complejos realistas y proporciona una base para la integración en flujos de trabajo de caracterización multimodal, avanzando hacia el descubrimiento de materiales completamente autónomo.
Fei et al. (Martes,) estudiaron esta cuestión.