基于EXAFS谱图的机器学习方法预测配位数
Machine Learning Approach for Predicting Coordination Numbers from EXAFS Spectra
-
作者：
曾海滔
1
胡龙飞
2
姚涛
1
-
作者单位：
-
提交时间：2025-08-06 01:14:00
摘要: X射线吸收精细结构（XAFS）是一种重要的结构分析技术，广泛应用于研究非晶态材料和无序体系的氧化态、配位环境及邻近原子特性。然而，由于XAFS谱图的复杂性，其解析依赖于经验丰富的科研人员，且易出现不准确性。本研究利用机器学习方法，特别是神经网络、袋装法决策树模型和随机森林模型，分析XAFS数据以预测吸收元素的配位数。研究从Materials Project数据库中收集了第四周期过渡金属元素的EXAFS数据，涵盖多种配位环境，共13,374条有效数据。结果表明，神经网络和随机森林模型在预测配位数方面均具有高准确性。本研究通过提升模型的泛化能力和可解释性，为XAFS数据分析提供了更高效、可靠的方法。
版本历史
| [V2] |
2025-08-06 01:14:00 |
ChinaXiv:202508.00010V2
|
下载全文 |
相关信息
点击量
下载量
