推进基于人工智能的X射线吸收光谱分析技术:光谱域映射与通用模型
《Photon Science》:Advancing AI-Driven Analysis in X-ray Absorption Spectroscopy: Spectral Domain Mapping and Universal Models
【字体:
大
中
小
】
时间:2025年12月30日
来源:Photon Science
编辑推荐:
高分辨率图像
下载MS PowerPoint幻灯片
近年来,在开发用于X射线吸收光谱(XAS)分析的人工智能(AI)和机器学习(ML)方法方面取得了快速进展。与传统XAS分析方法相比,AI/ML方法在效率上有了显著提升,并有助于消除人为偏见。为了推动这一领域的发展,我们
高分辨率图像
下载MS PowerPoint幻灯片
近年来,在开发用于X射线吸收光谱(XAS)分析的人工智能(AI)和机器学习(ML)方法方面取得了快速进展。与传统XAS分析方法相比,AI/ML方法在效率上有了显著提升,并有助于消除人为偏见。为了推动这一领域的发展,我们提倡一种基于AI的XAS分析流程,该流程包含几个相互关联的关键组成部分:基准测试、工作流程、数据库和AI/ML模型。具体来说,我们展示了两个XAS ML的案例研究。在第一项研究中,我们展示了使用光谱域映射(SDM)协调模拟与实验之间差异的重要性。我们的ML模型仅基于模拟光谱进行训练,对于组合锌钛酸盐薄膜中的Ti原子预测了错误的氧化态趋势。在将实验光谱通过SDM转换为类似模拟的表示后,同一模型成功恢复了正确的氧化态趋势。在第二项研究中,我们探索了在整个人类周期表上训练的通用XAS ML模型的开发,这使得它们能够利用不同元素之间的共同趋势。展望未来,我们认为基于AI的流程可以释放实时XAS分析的潜力,从而加速科学发现。
**引言**
X射线吸收光谱(XAS)是一种广泛应用于物理、化学、材料科学和生物学等领域的材料表征技术。(1?3) 在XAS测量中,入射X射线光子激发样品的空能级中的核心电子。在多次散射过程中,XAS描述了在吸收原子处产生的光电子如何被邻近原子散射。(2) 因此,XAS是一种强大的元素特异性探针,可以揭示原子尺度上的局部化学环境,包括吸收原子(例如散射势的强度和相位移动)及其周围环境的信息。
然而,由于局部原子结构与其相应的XAS特征之间的复杂相关性,XAS光谱的定量分析(特别是X射线吸收近边结构(XANES)在技术上仍然具有挑战性。经验方法(如经验指纹法)(4) 通常受到可用实验参考光谱的限制。计算XAS可以提供光谱形状的详细分析并进行峰值分配(1,5),但它需要丰富的领域知识,并且对于第一性原理方法来说,计算耗时且需要大量的计算资源。
最近,在利用AI/ML工具的快速发展下,AI驱动的XAS分析取得了进展。Timoshenko等人首次展示了成功的ML分析,他们使用模拟的Pt L边XANES数据训练了一个监督ML模型,以预测Pt纳米粒子的平均配位数,直至第四壳层。(6) 该ML模型在模拟数据上进行了训练,并成功泛化到实验数据上,因为它能够从XAS测量中预测Pt纳米粒子的形状和大小。从那时起,XAS分析领域在各种应用中迅速采用了ML方法,包括分析光谱指纹(7?9)、从原子结构预测XAS光谱(正向问题)(10?17)以及从XAS光谱中提取物理描述符(反向问题)(18?29)。生成方法,如变分/对抗性自编码器(26,30)和扩散模型(31),也被用来增强光谱潜在空间或原子配置空间的采样。这些研究的成功突显了AI/ML在解决XAS中复杂结构-光谱关系方面的能力。
为了简化并促进AI/ML在XAS分析中的更广泛应用,必须进一步努力开发该流程的基础设施。图1强调了这一范式中几个关键组成部分。
**基准测试:** 需要系统的基准测试来量化理论预测的准确性并确定改进领域。第一步是在不同的理论方法和计算机代码之间进行基准测试,这本身并不简单,因为它需要多个研究小组的合作。到目前为止,只有少数多代码基准测试已经进行,例如针对3d过渡金属L边(32)和Ti K边XAS(33)。这样的努力需要扩展到更广泛的材料范围。更重要的是,理论和实验之间的系统基准测试仍然缺乏。
**工作流程软件:** 高通量光谱模拟能够高效地采样具有明确定义的原子结构标签的大材料空间,使其成为构建XAS ML模型训练集的首选方法。从基准测试模块中学到的知识,如确保模拟数值收敛的输入参数,可以纳入模拟工作流程中,从而降低非专家的入门门槛。工作流程软件,如Lightshow(34)和Corvus(35),有助于简化XAS模拟的输入文件生成,并确保数据的可重复性和互操作性。
**数据库:** 数据的可用性和质量在ML应用中至关重要。已经开发了多个使用多次散射代码FEFF(36)生成的公共XAS数据库,用于材料和分子,例如Materials Project(37,38)和QM9数据库(13)。更多针对特定材料家族的XAS数据库也已出现,如3d过渡金属K边(12,16,28)、Fe复合物K边(21)以及锂硫磷酸盐固体电解质中的S K边(39)。然而,现有的XAS数据库尚未充分覆盖分子和材料的整个感兴趣空间,XAS数据库的开发仍然是一个活跃的研究方向。尽管大型FEFF光谱数据库已成为ML模型的测试平台,但还需要开发使用其他方法的数据库,如核心空穴势方法(40,41)、时变密度泛函理论(42,43)和Bethe-Salpeter方程(44,45)。对于实际应用中的实验数据,模拟光谱需要仔细地与实验标准进行验证。
**ML模型:** 现有的XAS ML模型主要分为两类。第一类是“原理验证”模型,它们使用模拟光谱数据库来解决正向和反向问题(10?17,26?28)。通常使用FEFF生成光谱,因为其低计算成本使其成为构建大型光谱数据库的首选。第二类模型是在模拟数据上训练的,但应用于实验光谱。这些模型通常考虑的是狭窄的化学空间(6,18?25,29)。在这种情况下,相应的光谱自由度较少,这有助于降低问题的复杂性。尽管如此,开发适用于广泛分子和材料空间的通用ML模型仍然是一个未解决的研究问题。
**图1**
图1. 基于AI的XAS分析流程示意图。
**高分辨率图像**
下载MS PowerPoint幻灯片
开发基于AI的XAS分析流程(基准测试、工作流程软件、数据库和ML模型)遵循一个迭代过程。当遇到不属于先前训练集的新类型材料时,首先进行第一性原理模拟,并将结果与实验进行验证。新的模拟光谱数据用于扩充光谱训练集,并重新训练XAS ML模型。图1中的流程是一个循环,使流程能够适应新的结构和光谱形状。
为了提高基于AI的XAS分析的准确性和广泛适用性,我们列出了几个重要的未来研究方向:
1. 系统性地对比XAS模拟与实验,量化不同物理效应(如核心空穴最终态效应、多重态效应、有限温度效应和卫星效应)的近似准确性。
2. 构建结合了准确模拟和实验标准的大规模XAS数据库。
3. 开发方法来解决模拟与实验之间的剩余差异,以提高ML模型的可转移性。
4. 在文献和精心策划的XAS数据上训练基础XAS模型,为领域科学家提供XAS分析的专业知识。
从这个角度来看,我们用两个例子强调了第3和第4点。我们的第一个例子与弥合模拟与实验之间差距的想法相关,第二个例子探讨了适用于整个人类周期表的通用XAS模型的想法。
**在机器学习中弥合XAS实验与模拟的差距**
将监督ML应用于XAS分析的一个主要挑战是标记实验光谱的稀缺性。为了克服这一限制,大多数现有的ML模型都是在模拟光谱上训练的。这就提出了如何协调实验和模拟XAS数据之间内在差异的问题。在本节中,我们强调了弥合这两个数据领域的必要性,并提出了一种简单的对齐实验和模拟光谱的方法。虽然我们专注于Ti K边XANES光谱,但我们的方法可以很容易地推广到多元素数据集。
**实验光谱与模拟光谱**
实验光谱和模拟光谱之间存在几个根本差异。实验光谱测量的是给定吸收元素在不同局部环境中的平均吸收。尽管这可以提供关于具有异质局部环境的材料的丰富信息,但我们往往缺乏从平均光谱中解卷积出的特定位点原子结构的精确知识。这使得从实验光谱中提取特定位点的结构标签(如配位数(CN)和氧化态(OS)变得困难。由于监督ML模型在训练时需要这些标签,因此单独的实验光谱通常不适合用于监督ML。此外,由于不同小组的仪器、样品制备方法和测量模式(例如透射与荧光)的差异,组装大型众包实验光谱数据库具有挑战性。
另一方面,模拟光谱是通过计算能带结构或求解模型哈密顿量获得的,针对特定原子结构。在这两种情况下,局部化学环境都是明确定义的,这使我们能够直接获得精确的、位点分辨的结构标签。这些计算也可以通过高通量方法进行标准化,从而构建了大型公共模拟XAS光谱数据集(13,37,38)。这些数据集的大小和标签丰富性使其非常适合训练监督ML模型。然而,一个主要的注意事项是模拟与实验之间的差异,这强烈依赖于用于处理相关XAS效应(如核心空穴最终态效应、多重态效应、有限温度效应和摇摆卫星效应)的近似程度。虽然模拟数据非常适合训练AI模型,但我们的目标是将这些模型应用于真实材料的实验光谱。这两种光谱领域之间的区别为基于AI的XAS分析提出了一个核心技术挑战。由于实验光谱和模拟光谱在数据科学角度来看遵循不同的分布,因此在模拟上训练的模型直接应用于实验数据时可能会产生不可靠的预测。为了解决这种模态差异,我们提出了一种数据驱动的光谱域映射(SDM)方法,如图2所示。SDM将实验光谱转换为类似模拟的表示,从而提高了输入光谱与ML模型训练分布的兼容性。我们展示了SDM能够更准确地从XAS光谱中预测局部化学描述符。
**图2**
图2. 光谱域映射(SDM)示意图。(a) SDM学习实验光谱域和模拟光谱域之间对应区域的转换。子区域对应不同的化学环境。(b) 有无SDM的ML应用工作流程。
**高分辨率图像**
下载MS PowerPoint幻灯片
**材料系统:** 组合锌钛酸盐薄膜
作为一个案例研究,我们将基于ML的分析技术应用于组合锌钛酸盐薄膜。组合材料具有很大的实际意义,因为可以通过改变基础金属成分的相对浓度来连续调节其物理性质。在这项工作中,我们考虑了使用脉冲激光沉积(PLD)制备的组合锌钛酸盐薄膜。PLD技术可以在单晶片样品的合成中创建平滑变化的成分梯度。(46) 可以在参考文献(46)中找到PLD过程的详细描述。这里我们提供了该过程的简要总结,如图3所示。首先,高能脉冲激光将目标金属氧化物蒸发并沉积在基底晶片的一侧。随着距离蒸发点的增加,金属氧化物的浓度逐渐减小,从而自然形成了浓度梯度。随后,晶片旋转180度,另一个脉冲激光将第二种金属氧化物蒸发到晶片上。通过交替蒸发和沉积这两种金属氧化物,我们在晶片上获得了具有空间成分梯度的薄膜。在本研究中考虑的钛酸锌薄膜中,这导致Zn:Ti比率在晶圆表面逐渐变化。图3b显示了在晶圆不同位置测量的25个降采样实验Ti K边XANES光谱序列,这些位置通过其局部Ti比例进行标记。图3。(a) 通过脉冲激光沉积合成的钛酸锌组合薄膜。(b) 沿着Ti浓度梯度测量的样品Ti K边XANES光谱。高分辨率图像下载MS PowerPoint幻灯片
所得到的薄膜展示了具有多样化局部原子环境的多种钛酸锌结构。实际上,这允许在单个晶圆上快速而全面地筛选出广泛的Zn:Ti比率下的材料性质。从方法论的角度来看,这种组合样品是开发适用于多种局部结构的强大XAS分析方法的优秀测试平台。
为了预测钛酸锌薄膜中Ti原子的氧化态(OS)和配位数(CN),我们使用模拟光谱训练了一个具有秩约束的对抗性自动编码器(RankAAE)模型。RankAAE是一种半监督自动编码器,它将XAS光谱压缩到一个低维的连续潜在空间中,如图4所示。除了典型的重建损失外,RankAAE的损失函数还包括一个第二项,该项使每个潜在维度与选定的结构描述符(如OS或CN)单调对齐。这个第二项被称为秩约束项,它有助于解耦潜在空间并提高其可解释性。由于损失函数需要这些特定位置的标签,我们的训练数据集包括模拟的Ti K边XANES光谱及其相关的OS和CN标签。这些模拟光谱是使用维也纳从头算模拟包(VASP)中实现的核心-空穴势方法生成的。我们的完整数据集包含1994个模拟的XAS光谱,按70/15/15的比例分为训练集、验证集和测试集,用于神经网络模型训练。
RankAAE模型的潜在空间有六个维度。由于秩约束,其中五个潜在变量与其相应的物理描述符(OS、CN、最近邻氧原子的平均CN、最近邻的径向标准差以及最近邻的氧-氧最小距离)有很强的相关性。剩余的潜在变量不包括在秩约束中,允许模型仅用它来帮助重建输入光谱。在这项研究中,我们训练了一个由32个全连接神经网络组成的集成系统,将潜在空间(六维向量)映射到训练集中结构的OS和CN。测试集的均方根误差(RMSE)对于OS预测为0.31,对于CN预测为0.16。模型的输出是实数,应解释为材料中局部基元的平均OS和CN。报告的OS和CN值是由集成预测的平均值给出的,标准差作为误差的估计。
图5显示了当RankAAE直接应用于钛酸锌薄膜的实验Ti K边XANES光谱时的CN和OS预测(红色曲线)。如图5a所示,预期的CN趋势由1 ?PUD(黑色曲线)给出,基于我们之前的工作,其中PUD是第一壳层配位数不足(CN小于六)或畸变的Ti物种的比例。第一性原理计算表明,1 ?PUD的形状受到Ti浓度(fTi)变化时复杂局部基元演变的影响。这种演变涉及含有配位数不足或畸变Ti的缺陷和非晶区域,以及Ti形成八面体基元的结晶区域,如TiZn2O4。如图5a所示,当fTi < 20%时,1 ?PUD保持非常低,因为这个浓度范围内的局部结构主要由纤锌矿ZnO中的Ti缺陷主导。随着fTi的进一步增加,TiZn2O4区域变得更加明显,导致CN上升,直到fTi ≈ 39%。之后,1 ?PUD开始逐渐下降,直到fTi ≈ 71%,然后随着金红石TiO2区域的形成而再次上升。重要的是,由于钛酸锌薄膜含有大量的非晶结构,1 ?PUD在所有Ti浓度下都保持在0.5以下。1 ?PUD的趋势被RankAAE的CN预测非常好地再现了,包括fTi < 20%时的低值、fTi ≈ 39%时的峰值以及峰值后的相对高值。
然而,RankAAE预测的OS趋势是不正确的。因为钛酸锌的合成是在富氧条件下进行的,Ti应该完全氧化为Ti4+并在整个晶圆上保持恒定。相反,RankAAE预测在Ti比例低的区域,Ti基元的平均OS从3.7增加到4.0,导致OS值在fTi范围内分布广泛且不符合物理事实。这表明RankAAE模型对来自Ti比例低区域的实验光谱的泛化能力不强,尽管其在Ti比例高区域的预测与实验预期一致。这种失败很可能源于模拟和实验Ti K边XAS光谱之间的差异,因为模拟的VASP光谱与实验之间的吻合并不完美。重要的是,这种失败很难事先预见,这突显了需要进行光谱转换,以确保输入光谱属于与训练数据集中的模拟光谱相同的分布。
在参考文献(9)中,我们开发了一种基于簇的盲信号分离(cBSS)方法,使用基函数来分解实验光谱。光谱基函数的初始猜测被选为模拟光谱簇的质心。然后使用BSS方法优化这些基函数,以与一小部分降采样的实验光谱对齐。这样,优化后的基函数就成为有效的实验光谱基础。因此,BSS方法提供了模拟域和实验域之间的便捷映射。我们利用这种对应关系提出了一种SDM方法,将实验Ti光谱映射到类似模拟的光谱,以便它们更好地与RankAAE训练数据对齐。
cBSS程序将每个位置平均的光谱表示为代表性局部光谱的线性组合,即光谱基函数。我们定义一个矩阵T = {μ1, μ2,···,μN},其中每一列μi是一个实验光谱,以及一个矩阵S = {s1, s2,···,sn},包含n ≤ N个光谱基函数sj。所有光谱都表示为在具有m个点的共同能量网格上的吸收系数向量。我们假设T中的每个实验光谱都是S中基础函数的加权平均值。这些非负权重存储在一个矩阵Cn×N中,其列之和为1,??=????。
对于给定的C矩阵,BSS程序使用C的摩尔-彭若斯伪逆来近似S。C的元素被优化以最小化这个S矩阵与初始猜测S? = {s?1, s?2,···,s?n}之间的欧几里得距离,损失函数为?=∥∥??????????∥∥,L=∥S~?TC?∥,其中?表示伪逆,由C? = (CT C)?1 CT给出。在我们之前的工作中,初始猜测函数s?j被选为特定位置模拟光谱的簇的质心。这样,s?j代表模拟的光谱基函数。cBSS拟合过程同时产生了基函数S和权重矩阵C。
在SDM方法中,关键思想是使用S?中的模拟光谱基函数将T中的实验光谱转换为类似模拟的光谱T?,同时保持相同的权重C,????=??????.T~=S~C。在这项研究中,T包含图3b中显示的100个钛酸锌组合薄膜的实验光谱(即N = 100)。之前发现四个代表性的光谱基函数(n = 4)能够完全捕捉组合钛酸锌薄膜的光谱变化,其结构基元由第一壳层和第二壳层的结构特征表征:TiO2、Ti6H、Ti6L和TiUD。TiO2基元代表作为金红石和锐钛矿混合物的参考TiO2化合物;TiUD基元代表第一壳层配位数不足或畸变的Ti物种;Ti6H和Ti6L基元分别对应于第二壳层中Ti比例高和低的八面体Ti物种。为了考虑C中参数初始化的差异,我们在BSS程序中对100个随机初始化的结果进行了平均。不同试验之间的结果变化很小,表明我们的拟合程序对C矩阵的初始化具有鲁棒性。
在cBSS程序之前,实验光谱和模拟光谱的后处理在参考文献(46)中有描述。下面是简要总结。实验光谱和模拟光谱都被插值到0.044 eV分辨率的公共线性网格上。测量光谱的边缘步长被标准化为1。使用ΔSCF方法对模拟光谱进行了相对边缘对齐。模拟光谱被展宽(使用能量依赖的洛伦兹函数)并进行了缩放,经验参数被选择以最小化模拟和实验在参考光谱上的差异。
在图6a中,我们比较了四个模拟基函数s?j(黑色曲线)及其对应的优化后的实验基函数sj(红色曲线),以了解模拟和实验之间的差异。阴影区域突出显示了主要差异:边缘位置的变化(特别是对于Ti6H和Ti6L)以及大约5005 eV处第二峰高度的变化。我们注意到,sj和s?j之间的比较对应用于模拟光谱的缩放不敏感,因为BSS程序为实验和模拟光谱学习了不同的缩放。
由于RankAAE的潜在变量与结构描述符对齐,我们可以研究这些光谱差异如何影响下游的RankAAE预测。这是使用RankAAE模型的主要优势,与其他神经网络架构相比。具体来说,我们可以扫描给定潜在变量的值,以探索RankAAE将哪些光谱特征与相应的结构描述符关联起来。图6b显示,CN主要影响前缘峰、第一峰的高度和第二峰的位置。另一方面,OS影响边缘位置和第二峰的高度。因此,图6a中显示的模拟和实验基光谱之间的差异与与OS相关的光谱特征位于同一区域。因此,我们可能预先预期SDM程序对OS预测的影响将大于对CN预测的影响。
使用SDM转换后的光谱作为输入得到的预测CN和OS也在图5中显示。无论是否包含SDM,预测的CN趋势都是相似的,并且两者都与参考文献(9)中获得的预期趋势(例如曲线的形状)有定性一致。然而,SDM在质量上改变了RankAAE的OS预测。没有SDM时,RankAAE预测在低fTi区域OS急剧下降,而由此产生的OS分布广泛,这与在富氧合成条件下Ti位点应具有恒定OS的事实相矛盾。相比之下,从SDM变换光谱预测出的OS值在Ti分数变化范围内几乎保持不变,与预期趋势更为吻合。预测中观察到的小波动小于相关的误差范围。在没有SDM的情况下,RankAAE在低Ti分数时的分解可能是由于吸收边缘向低能量移动所致,如图3中的实验光谱所示。图6b中的潜在空间分析表明,这种边缘位置的下降对应于较低的OS值。RankAAE可能将实验吸收边缘的移动视为OS显著降低的证据,因为ML模型可能对这一光谱特征过于敏感。图6a中显示的模拟基函数在边缘起始处的变化要小得多,这有助于解释为什么它们能够提供更统一的OS预测。这一结果强调了SDM变换在提高离分布实验XAS光谱模型精度方面的实用性。值得注意的是,预测的OS平均值约为+3.85,略低于标称电荷状态+4,并且在OS ML模型的RMSE(0.31)范围内。进一步改进模型可能需要使用连续的电荷状态度量方法,例如Bader电荷而不是标称电荷,作为OS的标签。
在XAS分析中,传统上是对单个元素和边缘进行解析,因为不同元素的边缘位置在能量上通常有很好的分离。因此,现有的XAS分析方法针对给定化学/材料空间中的特定元素和边缘(例如,前面章节中展示的钛氧化物的Ti K边XAS)。虽然这些孤立的XAS分析方法在实践中表现相当好,但一个有趣的问题是,是否可以从整个周期表的数据中预训练出通用的XAS模型。这样的通用模型可以很容易地应用于广泛的材料,并且可以通过特定系统的数据进行微调,以进一步提高目标系统的准确性。在材料科学领域,已经展示了通用模型的概念,例如神经网络原子间势能M3GNET(50)和MACE-MP(51)。这些模型是基于大型材料结构数据库的第一性原理计算训练的。它们在具有巨大化学多样性和大系统规模的复杂搜索空间中对于材料发现非常有用。
由于XAS是对局部化学环境的抽象表示,相邻壳层结构的平滑变化应该反映为光谱特征的平滑变化。XAS光谱还展示了超出元素级核心电子结合能的公认特征。例如,边缘位置是OS的直接度量,即Kunzl定律(52),即更深的边缘位置对应更高的OS,反之亦然。在3d过渡金属K边XANES中,前缘来自s → d偶极禁止跃迁。前缘峰的强度对反演对称性敏感。在反演对称性破缺的系统中,p轨道和d轨道的混合可能导致比具有反演对称性的结构更强的前缘峰。一般来说,由于空d态的数量减少,晚期3d过渡金属的前缘峰比早期3d过渡金属弱。根据已建立的领域知识,人们会期望在XAS中观察到跨越元素边界的全局趋势(例如OS和局部对称性)。
在我们之前关于3d过渡金属K边XANES的工作中(16),使用了均匀流形近似和投影(UMAP)方法来构建模拟FEFF光谱数据库(36)的潜在表示,以降低维度。我们没有对每个元素进行独立分析,而是将八个光谱家族(Ti – Cu)一起分析。我们发现光谱UMAP模式可以根据元素类型、OS、CN和氧配位数(OCN)很好地分离。更重要的是,UMAP分析从光谱潜在空间中揭示了明显的通用性证据。每个元素簇内的不同物理描述符子区域经常在跨元素时合并成更大的簇。实际上,我们发现某个元素的一组光谱可能与不同元素簇中的光谱更为相似,而不是与其自身簇内的光谱相似(16)。在随后使用图神经网络模型(称为OmniXAS)的光谱预测任务中,我们发现通过微调在八个元素上预训练的通用模型可以获得最佳性能。微调后的通用模型将预测准确性提高了多达11%,超过了仅针对目标元素训练的模型(16)。
鉴于3d过渡金属通用模型的成功,我们有动力将这种方法扩展到整个周期表,或者至少是其大部分,以有效地捕捉光谱潜在空间中跨元素的通用趋势。作为第一步,我们从Materials Project K边XAS数据库(37)中提取了从氢到锑的特定位点的FEFF光谱,并使用UMAP分析了光谱潜在空间中的趋势。这个原始数据库包含612,765个光谱。在分析之前进行了多个后处理步骤,以确保数据的一致性和完整性,最终用于我们分析的光谱集为295,832个。
1. 能量网格标准化:我们通过将所有光谱插值到35 eV范围的均匀网格上来标准化能量网格。对于每个元素,第一个能量网格点被选为所有原始FEFF光谱中的最小能量。我们使用了200个网格点,从而获得了0.175 eV的能量分辨率。
2. 光谱选择:原始FEFF数据库包含标准化和未标准化的光谱,元数据缺乏重新计算标准化常数所需的信息。为了避免任何潜在的数据不一致性,我们选择仅使用标准化光谱,这占了数据库的大部分(大约76.4%)。
3. 元素过滤:我们可视检查了每个元素对应的所有光谱的热图。比Sb重的元素的元素热图没有明显的光谱线形状。此外,惰性气体家族在化学上是惰性的,并且光谱数量太少(He:3,Ne:1,Ar:2,Kr:22),而大多数其他元素有数千个光谱。因此,我们只保留了47个元素的光谱(原子序数低于52,不包括惰性气体)。
4. 重复项去除:为了减少采样偏差,彻底去除了光谱的重复项(大约占数据库的4.8%,即29,420个光谱)。此外,当Cd、Zn、Cr和S的光谱强度在同一网格上的差异都在0.005的容忍范围内时,也去除了几乎重复的光谱。
5. 统计过滤:为了避免潜在的非物理光谱,我们过滤掉了任何超出每个元素平均光谱3σ的光谱,这与参考文献(16)中使用的程序相同。
为了加快光谱UMAP分析的速度,后处理后的光谱数据库被降采样到其原始大小的约25%,得到了73,958个光谱。尽管降采样改变了UMAP模式的确切形状,但它并没有改变我们的结论。
如图7a所示,光谱UMAP形成了类似鸟的形状,称为“XANES Bird”,头部位于投影的顶部,接着是翅膀、身体和尾部向底部延伸。需要注意的是,UMAP模式的确切形状高度可变,取决于参数的选择。然而,我们发现不同参数选择对光谱的具体聚类没有显著影响;只有它们的相对位置和大致形状及大小受到了影响。我们选择了一组特定的参数(n_neighbors = 94,njobs = 6,random_state = 1579,dmin = 0.1)以便于可视化。由于UMAP嵌入是旋转不变的,我们为了可视化目的将UMAP图旋转了180度。
如图7a所示,光谱UMAP根据具有化学相似性的元素子集很好地分离。更具体地说,UMAP鸟的头部由分析中最重的三种元素In、Sn和Sb组成。4d过渡金属构成了鸟的颈部和左上翼的大部分,颈部主要由Ag组成。3d过渡金属主导了鸟的左下翼,并与4d过渡金属区域明显分开。大多数碱金属和碱土金属按行聚集在鸟的两个翅膀之间,许多卤素和硫族元素(F、S、Cl、Se、Br)聚集在右翼。鸟的身体主要是O,尾部由主族非金属(C、N、P)或主族金属/类金属(B、Al、Si)组成的分离良好的簇组成。对于轻元素,有两个主要孤立的簇,一个对应H,另一个对应Li和Be。一般来说,元素从上到下、从左到右的顺序逐渐变轻。周期表中具有金属或半金属性的大多数区域主要按行聚集,而非金属的聚集则不太容易解释。光谱UMAP簇按周期表的特定区域分组的事实表明,ML算法能够根据K边XAS光谱形状区分周期表的不同部分。
图7显示了47个元素的XANES鸟:FEFF K边XANES光谱UMAP。(a)按周期表中元素簇分的UMAP着色。(b)按吸收原子的氧化态着色的UMAP。“None”表示BVAnalyzer无法计算氧化态的情况。零氧化态用黑色轮廓的较大黄色点表示。
高分辨率图像
下载MS PowerPoint幻灯片
图7b显示了相同的UMAP投影,但根据pymatgen的BVAnalyzer类(53)计算的OS进行着色,这提供了一种方便的方法来按元素类型可视化OS分布。一些分析的结构返回了“None”值,包括电荷为零的状态。因此,在单元素系统中,我们手动将OS分配为零。总体而言,正OS值位于左侧。对于负OS,-1和-2集中在右翼和身体部分,而-3和-4 OS则更分散在UMAP中。具有单一主导OS的元素显示出明显的簇,例如O2–、S2–、Cl–、F–、H+、Li+和Na+,大多数OS区域彼此之间有明显的分离。这表明具有不同OS的元素可以通过它们的XAS光谱区分开来。此外,我们观察到具有相似OS的元素通常(但不总是)在UMAP上彼此更接近。相比之下,具有多个可能OS的元素(例如位于左翼的3d和4d过渡金属)在UMAP模式中形成了平滑的颜色渐变,大致对应于+1到+5的电荷状态。
UMAP模式揭示了47个元素的XANES光谱潜在空间中的机器可学习趋势,这些趋势不仅对元素身份敏感,也对重要的局部化学性质(如OS)敏感。这种强烈的结构-光谱-性质相关性为开发覆盖整个周期表的通用光谱模型奠定了基础,以实现高通量的实时XANES光谱分析。
AI/ML正在通过成功采用一系列ML工具(如多层感知器、图神经网络、自动编码器、变换器和扩散模型)改变XAS分析领域。在这篇观点文章中,我们提倡开发基于AI的XAS分析流程的基础设施,重点关注基准测试、工作流软件、数据库和AI/ML模型。我们强调了这种AI驱动方法中的两个重要研究问题。第一个问题是协调模拟和实验之间的差异。通过将实验光谱转换为类似模拟的表示,可以显著提高ML模型的准确性。在第二个问题中,我们使用光谱潜在空间分析来揭示47个元素的材料光谱数据库中的共同趋势。这项分析强调了为整个周期表开发通用XAS模型所带来的好处。我们设想,从传统方法(如基于经验指纹的方法或第一性原理模拟)向人工智能驱动方法的转变可以消除非专业人士的进入壁垒,降低计算成本,并实现实时XAS分析。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号