从X射线光谱实现结构重建
摘要：使用机器学习方法，我们对高压下模拟的非晶GeO$_2$的Ge K边X射线发射谱进行了统计分析。我们发现，使用库仑矩阵描述符，借助训练集中约$10^4$个样本，可以可靠地预测谱中K$\eta''$和K$\eta_2$峰的统计特征。基于谱显著性引导的降维技术，我们构建了一个近似的从谱特征到伪库仑矩阵的反向映射。当将其应用于集合平均谱的特征时，我们得到的与集合平均值相匹配且能够重现非晶GeO$_2$中由压力引起的配位变化的活性位点距离。利用基于模拟快照的仿真器分析组件，我们能够滤除可从模拟快照中获得的人工完整结构信息，并通过仅从K$\eta$发射谱的变化中量化分析可以推断出的结构变化。
作者：Anton Vladyka, Christoph J. Sahle and Johannes Niskanen
论文ID：2210.13909
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2023-02-17