물리학적 정보가 반영된 기계 학습을 통한 고감도 2D X-선 흡수 분광법

초록 2D X-선 근엣지 흡수 구조(XANES)의 공간 및 스펙트럼 해상도를 향상시키는 것은 나노 규모에서의 국소 화학 반응을 탐구하기 위한 10년 간의 노력이었다. 그러나 측정된 이미지에서의 낮은 신호 대 잡음 비율은 특정 원소가 낮은 농도일 때 정량 분석에서 상당한 도전 과제가 된다. 본 연구에서는 심층 신경망을 활용한 이미징 후 처리 방법을 개발하여 XANES 이미지에서 신뢰성 있게 신호 대 잡음 비율을 향상시켰다. 제안된 신경망 모델은 XANES 이미지의 잠재 공간에 내재된 물리적 특징을 통합하여 새로운 데이터셋에 적응하도록 훈련될 수 있으며, 이미지 내의 새로운 특징을 감지하고 자기 일관성을 달성하기 위해 자기 지도 학습을 수행할 수 있다. 본 연구에서는 LiNi x Mn y Co 1-x-y O 2 시스템에서 Ni와 Co의 화합가 상태를 높은 신뢰도로 결정하는 모델의 강 robustness을 설명하기 위해 두 가지 예를 제시한다.