Тип публикации: статья из журнала
Год издания: 2026
Идентификатор DOI: 10.26902/JSC_id162137
Ключевые слова: convolutional neural network, crystal symmetry, powder diffraction, Rietveld analysis for XRD pattern modeling, ICSD Database, конволюционная нейронная сеть, симметрия кристаллов, порошковая дифракция, моделирование дифрактограмм методом Ритвельда, база структурных данных ICSD
Аннотация: Конволюционная (сверточная) нейронная сеть применена для классификации кристаллических систем, решеток Браве, групп экстинкции, групп пространственной симметрии и интервалов объема кристаллических ячеек на основе глубокого обучения по модельным порошковым полнопрофильным дифрактограммам, рассчитанным из структур базы данных ICSD. ППоказать полностьюредложен новый способ значительного повышения точности классификации, основанный на нормировке объемов кристаллических ячеек к общему фиксированному значению при расчете модельных дифрактограмм. Точность классификации, определенная на основе независимой выборки нормализованных модельных дифрактограмм, составила 97.4 % для кристаллических систем и 88.0 % для пространственных групп. Высокая точность данного нейросетевого метода позволяет применять его в целях анализа кристаллической симметрии по результатам экспериментального определения объема ячейки и для установления пространственной группы без использования правил погасания рефлексов после нахождения объема ячейки с помощью традиционных программ индицирования. Crystal systems, Bravais lattices, extinction groups, space groups, and intervals of unit cell volume are classified using a convolutional neural network based on the deep learning of model full-profile powder XRD patterns computed from ICSD data. A new method is proposed to significantly increase the classification accuracy by normalizing unit cell volumes to the total fixed value when computing the model XRD patterns. The classification accuracy determined from an independent set of normalized model XRD patterns is 97.4% for crystal systems and 88.0% for space groups. Due to its high accuracy, this neural network can be utilized to perform a crystal symmetry analysis using experimental unit cell volumes and to determine space groups without using reflection extinction rules after finding the unit cell volume by commonly utilized indexing programs.
Журнал: Журнал структурной химии
Выпуск журнала: Т. 67, № 3
Номера страниц: 162137
ISSN журнала: 01367463
Место издания: Новосибирск
Издатель: Федеральное государственное бюджетное учреждение науки Институт неорганической химии им. А.В. Николаева Сибирского отделения Российской академии наук