中性子およびX線散乱と分光法における機械学習

中性子およびX線散乱は、材料の構造および動的特性を高精度で測定する最先端の材料特性評価技術の2つのクラスを表しています。これらの技術は、触媒からポリマー、ナノ材料から高分子、エネルギー材料から量子材料まで、さまざまな材料システムを理解する上で重要な役割を果たしています。近年、機械学習が材料問題への応用が増加したことにより、中性子およびX線散乱は大きなブーストを受けています。本稿では、中性子散乱、X線吸収、X線散乱、光電子放出を含むさまざまな中性子およびX線技術を補強するための機械学習技術の最近の進展をレビューします。私たちは、機械学習手法を散乱実験の典型的なワークフローに統合することに焦点を当て、伝統的な解析アプローチに挑戦する問題を取り上げ、それに対処可能な機械学習を通じて解決できる問題を強調します。これには、単純な材料の知識を活用してより複雑なシステムをモデル化すること、限られたデータや不完全なラベルで学ぶこと、有意義なスペクトルや材料の表現を特定すること、スペクトルノイズを軽減することなどが含まれます。将来の見通しとして、機械学習がさまざまな種類の散乱および分光問題において果たす可能性のある新たな役割について紹介します。