罗切斯特大学的科学家表示，深度学习可以增强已经成为表征新材料的黄金标准的技术。在npj计算材料论文中，跨学科团队描述了他们开发的模型，这些模型比X射线衍射实验产生的数据更好地利用大量数据。

在X射线衍射实验中，明亮的激光照射在样品上，产生包含有关材料结构和特性的重要信息的衍射图像。项目负责人、机械工程系副教授、激光能量学实验室(LLE)科学家NiazAbdolrahim表示，分析这些图像的传统方法可能会引起争议、耗时且常常无效。

“每一张图像中都隐藏着大量的材料科学和物理学知识，世界各地的设施和实验室每天都会产生数TB的数据，”阿卜杜拉希姆说。“开发一个好的模型来分析这些数据确实可以帮助加快材料创新，了解极端条件下的材料，并开发适合不同技术应用的材料。”

这项由材料科学博士生JeardoSalgado领导的研究为高能量密度实验带来了特别的希望，就像原子压物质中心的研究人员在LLE进行的实验一样。通过研究极端条件下材料相变的精确时刻，科学家可以发现创造新材料的方法并了解恒星和行星的形成。

Abdolrahim表示，该项目由美国能源部国家核安全管理局和国家科学基金会资助，改进了之前开发用于X射线衍射分析的机器学习模型的尝试，这些模型主要使用合成数据进行训练和评估。

计算机科学系的Abdolrahim副教授XuChenliang和他们的学生结合了无机材料实验的真实数据来训练他们的深度学习模型。

Abdolrahim表示，需要公开更多实验性X射线衍射分析数据，以帮助完善模型。她说，该团队正在努力创建平台，供其他人共享数据，帮助训练和评估系统，使其更加有效。