Компактное представление информации о локальной структуре вещества в методах машинного обучения для задач обработки данных XANES-спектроскопии
- Авторы: Викленко И.А.1, Срабионян В.В.1, Дурыманов В.А.1, Гладченко-Джевелекис Я.Н.1, Раздоров В.Н.1, Авакян Л.А.1, Бугаев Л.А.1
-
Учреждения:
- Южный федеральный университет
- Выпуск: № 4 (2024)
- Страницы: 36–44
- Раздел: Статьи
- URL: https://journals.rcsi.science/1028-0960/article/view/260991
- DOI: https://doi.org/10.31857/S1028096024040045
- EDN: https://elibrary.ru/GKASFX
- ID: 260991
Цитировать
Аннотация
В работе предложен метод представления данных о локальной атомной структуре в виде гистограмм парных радиальных функций распределения с разрешением по типам атомов. Метод используют для построения дескриптора структуры, необходимого для определения структуры вещества методами машинного обучения и искусственного интеллекта. Особенностью метода является использование одновременно двух наборов парных радиальных функций распределения: для пар всех типов атомов и для пар с выделенным поглощающим атомом. Разработанный подход апробирован на примере задачи определения ближнего окружения атомов серебра в центрах окраски в натриево-силикатных стеклах по данным спектров рентгеновской абсорбционной спектроскопии вблизи K-края поглощения Ag. Информативность предложенного дескриптора структуры продемонстрирована путем возможности воссоздания трехмерной модели структуры центра окраски серебра из соответствующих гистограмм парных расстояний. При использовании нескольких методов машинного обучения было показано, что предложенный дескриптор позволяет добиться качественного воспроизведения спектров XANES для центров окраски в стекле в рамках метода конечных разностей, что позволяет сократить время расчета спектров XANES на четыре порядка. Построенная модель машинного обучения позволяет установить фундаментальную связь между атомным строением центров окраски в стеклах и XANES-спектром серебра, необходимую для определения строения стекол.
Полный текст
Об авторах
И. А. Викленко
Южный федеральный университет
Автор, ответственный за переписку.
Email: viklenko@sfedu.ru
Россия, 344090, Ростов-на-Дону
В. В. Срабионян
Южный федеральный университет
Email: viklenko@sfedu.ru
Россия, 344090, Ростов-на-Дону
В. А. Дурыманов
Южный федеральный университет
Email: viklenko@sfedu.ru
Россия, 344090, Ростов-на-Дону
Я. Н. Гладченко-Джевелекис
Южный федеральный университет
Email: viklenko@sfedu.ru
Россия, 344090, Ростов-на-Дону
В. Н. Раздоров
Южный федеральный университет
Email: viklenko@sfedu.ru
Россия, 344090, Ростов-на-Дону
Л. А. Авакян
Южный федеральный университет
Email: viklenko@sfedu.ru
Россия, 344090, Ростов-на-Дону
Л. А. Бугаев
Южный федеральный университет
Email: viklenko@sfedu.ru
Россия, 344090, Ростов-на-Дону
Список литературы
- Seko A., Toyoura K., Muto S., Mizoguchi T., Brode- rick S. // MRS Bull. 2018. V. 43. № 9. P. 6905.
- Хаметова Э.Ф., Бакиева О.Р. // Ученые записки Физического факультета МГУ. 2022. Т. 4. С. 2240703.
- Гуда С.А., Алгасов А.С. Технологии машинного обучения для анализа геометрии молекул // Вестник Ростовского Государственного университета путей сообщения. 2019. Т. 2. Вып. 74. С. 84.
- Орешко Е.И., Ерасов В.С., Сибаев И.Г., Луценко А.Н., Шершак П.В. // Авиационные материалы и технологии. 2022. Т. 4. Вып. 69. P. 132.
- Bratchenko I.A., Artemyev D.N., Khristoforova Y.A., Bratchenko L.A. // Biomed. Opt. Express. 2019. V. 10. № 9. P. 4489.
- Timoshenko J., Lu D., Lin Y., Frenkel A.I. // J. Phys. Chem. Lett. 2017. V. 8. № 20. P. 5091.
- Curtarolo S., Setyawan W., Wang S., Xue J., Yang K., Taylor R.H., Nelson L.J., Hart G.L.W., Sanvito S., Buongiorno-Nardelli M., Mingo N., Levy O. // Comput. Mater. Sci. 2012. V. 58. P. 227.
- Jain A., Ong S.P., Hautier G., Chen W., Richards W.D., Dacek S., Cholia S., Gunter D., Skinner D., Ceder G., Persson K.A. // APL Mater. 2013. V. 1. № 1. P. 011002.
- Borysov S.S., Geilhufe R.M., Balatsky A.V. // PLoS One. 2017. V. 12. № 2. P. 0171501. https://doi.org/10.1371/journal.pone.0171501
- Saal J.E., Kirklin S., Aykol M., Meredig B., Wolver- ton C. // JOM. 2013. V. 65. № 11. P. 1501.
- Ruddigkeit L., van Deursen R., Blum L.C., Reymond J.-L. // J. Chem. Inf. Model. 2012. V. 52. № 11. P. 2864.
- Ramakrishnan R., Dral P.O., Rupp M., von Lilienfeld O.A. // Sci. Data. 2014. V. 1. № 1. P. 140022.
- Shields M.D., Zhang J. // Reliability Engineering System Safety. 2016. V. 148. P. 96. https://doi.org/10.1016/j.ress.2015.12.002
- Guda A.A., Guda S.A., Martini A., Bugaev A.L., Soldatov M.A., Soldatov A.V., Lamberti C. // Radiat. Phys. Chem. 2020. V. 175. P. 108430.
- Himanen L., Jäger M.O.J., Morooka E. V., Federici Canova F., Ranawat Y.S., Gao D.Z., Rinke P., Foster A.S. // Comput. Phys. Commun. 2020. V. 247. P. 106949.
- Vedrinskii R.V., Kraizman V.L. // Uspekhi Fiz. Nauk. 1988. V. 154. № 1. P. 172.
- Koningsberger D.C., Prins R. X-ray absorption: principles, applications, techniques of EXAFS, SEXAFS and XANES. N.Y.: John Wiley and Sons Inc., 1987.
- van Bokhoven J.A., Lamberti C. X-Ray Absorption and X-Ray Emission Spectroscopy // X-Ray Absorption and X-Ray Emission Spectroscopy: Theory and Applications / Ed. Van Bokhoven J.A., Lamberti C. Chichester, UK: John Wiley & Sons, Ltd, 2016. P. 1.
- Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thirion B., Grisel O., Blondel M., Prettenhofer P., Weiss R., Dubourg V., Vanderplas J., Passos A., Cournapeau D., Brucher M., Perrot M., Duchesnay E. // J. Mach. Learn. Res. 2011. V. 12. P. 2825.
- Prokhorenkova L., Gusev G., Vorobev A., Dorogush A.V., Gulin A. CatBoost: unbiased boosting with categorical features. 2017. arXiv:1706.09516 https://doi.org/10.48550/arXiv.1706.09516
- Joly Y. // Phys. Rev. B. 2001. V. 63. № 12. P. 125120.
- Srabionyan V.V., Avakyan L.A., Durymanov V.A., Rubanik D.S., Viklenko I.A., Skunova A.V., Bugaev L.A. // J. Phys. Chem. Solids. 2023. V. 179. P. 111412.