전자 후방산란 회절은 미세구조 특성화에 가장 널리 사용되는 기술 중 하나입니다. 최근에는 원시 키쿠치 패턴을 분석하기 위해 데이터 기반 방법의 사용이 증가하고 있습니다. 그러나 이러한 방법의 대부분은 사용자 입력이 필요하며, 데이터에서 파생된 특징의 해석은 종종 어려우며 경험적인 해석에 의존합니다. 주요 성분 분석, 제약된 비음수 행렬 분해, 변분 오토인코더와 다중 모달 데이터셋에 대한 정보 이론적 고려 사항을 결합하여 a) 방법별 하이퍼파라미터에 대한 자동 결정을 보여주었습니다. 여기서 주요 성분 분석의 성분 수, 제약된 비음수 행렬 분해의 성분 수 및 참조 제약조건의 선택과 b) 잠재 공간 특징이 물리적으로 의미 있는 양으로 매핑될 수 있음을 보여주었습니다. 또한, 최적의 모델 성능을 위한 권장 관심 영역 크기는 데이터셋의 정보 내용을 기반으로 자동으로 특성 입자 크기의 두 배로 근사되었습니다. 워크플로우에 구현되어, 이는 곡물 경계 탐지 및 전통적인 전자 후방산란 분석을 보완하기 위한 매우 작은 각도 내 곡물 변동 분석을 포함하여 쉽게 전이 가능한 데이터셋 특정 자율 데이터 기반 단계와 곡물 분할을 가능하게 합니다.
Zhang et al. (Thu,)은 이 질문을 연구했습니다.