Um esquema de inversão de aprendizado de máquina para determinar interação a partir da dispersão

Resumo Técnicas de dispersão em pequeno ângulo têm sido rotineiramente utilizadas para determinar quantitativamente o potencial de força média em suspensões coloidais. No entanto, a precisão numérica da interpretação dos dados é frequentemente prejudicada pelas aproximações adotadas pelas teorias analíticas do estado líquido. Para contornar essa questão de longa data, aqui delineamos uma estratégia de aprendizado de máquina para determinar a interação efetiva nas fases condensadas da matéria usando dispersão. Através de um estudo de caso de suspensões coloidais, mostramos que o potencial efetivo pode ser inferido probabilisticamente a partir dos espectros de dispersão sem qualquer restrição imposta por suposições de modelo. Comparações com abordagens paramétricas existentes demonstram o desempenho superior deste método em precisão, eficiência e aplicabilidade. Este método pode efetivamente permitir a quantificação da interação em sistemas altamente correlacionados usando experimentos de dispersão e difração.