近期,中國(guó)科學(xué)院上海光學(xué)精密機(jī)械研究所微納光電子功能材料實(shí)驗(yàn)室在利用隨機(jī)森林算法實(shí)現(xiàn)二維材料層數(shù)和缺陷識(shí)別方面取得新進(jìn)展,揭示了機(jī)器學(xué)習(xí)算法在二維材料光譜學(xué)研究領(lǐng)域的應(yīng)用潛力,相關(guān)工作發(fā)表在[ Nanomaterials 2020, 10, 2223 ]。
機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的一個(gè)重要分支,其基本思想是基于數(shù)據(jù)構(gòu)建統(tǒng)計(jì)模型,并利用模型對(duì)數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)。隨著大數(shù)據(jù)技術(shù)的飛速發(fā)展,以數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)算法在材料研究的各個(gè)領(lǐng)域開始蓬勃興起。二維材料的Raman光譜對(duì)于分子鍵合以及樣品的結(jié)構(gòu)非常敏感,可以用來(lái)進(jìn)行化學(xué)鑒別、形態(tài)與相、內(nèi)壓力/應(yīng)力以及組成成份等方面的研究和分析。盡管Raman光譜提供了足夠多的信息,但如何挖掘信息深度、利用多種信息進(jìn)行綜合決策仍然有待進(jìn)一步的研究。
在這項(xiàng)研究中,科研人員利用了MoS2的Raman頻率、強(qiáng)度在內(nèi)的多種特征信息,利用重采樣過程得到了包含不同空間位置信息的子訓(xùn)練集,并通過學(xué)習(xí)過程建立了由一定數(shù)量決策樹組成的隨機(jī)森林模型。當(dāng)有新的樣本點(diǎn)進(jìn)入模型進(jìn)行預(yù)測(cè)和判斷時(shí),隨機(jī)森林中的每棵決策樹會(huì)進(jìn)行獨(dú)立判斷,繼而通過多數(shù)表決的方式給出相對(duì)準(zhǔn)確的預(yù)測(cè)結(jié)果。除了能夠判斷單層和雙層樣品外,模型還能夠?qū)悠飞L(zhǎng)過程中容易引入的裂痕和隨機(jī)分布晶核進(jìn)行預(yù)測(cè)。這項(xiàng)工作提出的研究方案將機(jī)器學(xué)習(xí)算法引入了二維材料光譜學(xué)的研究,并且可以擴(kuò)展到其他材料,為不同領(lǐng)域的材料表征提供了重要解決方案。
相關(guān)工作得到了國(guó)家自然科學(xué)基金委、中國(guó)科學(xué)院,及上海市科委的支持。(微納光電子功能材料實(shí)驗(yàn)室供稿)
圖1 隨機(jī)森林算法中學(xué)習(xí)過程的基本結(jié)構(gòu)
圖2 隨機(jī)森林算法中預(yù)測(cè)過程的基本結(jié)構(gòu)和一些區(qū)域?qū)訑?shù)識(shí)別的結(jié)果
新聞鏈接:http://www.siom.cas.cn/xwzx/ttxw/202011/t20201123_5772411.html
免責(zé)聲明:
網(wǎng)站內(nèi)容來(lái)源于互聯(lián)網(wǎng),由網(wǎng)絡(luò)編輯負(fù)責(zé)審查,目的在于傳遞信息,提供專業(yè)服務(wù),不代表本網(wǎng)站平臺(tái)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)。如因內(nèi)容、版權(quán)問題存在異議的,請(qǐng)與我們?nèi)〉寐?lián)系,我們將協(xié)調(diào)給予處理(按照法規(guī)支付稿費(fèi)或刪除),聯(lián)系方式:ahos@aiofm.ac.cn 。網(wǎng)站平臺(tái)將加強(qiáng)監(jiān)控與審核,一旦發(fā)現(xiàn)違反規(guī)定的內(nèi)容,按國(guó)家法規(guī)處理,處理時(shí)間不超過24小時(shí)。