Dara: Automated multiple-hypothesis phase identification and refinement from powder X-ray diffraction
Yuxing Fei, Matthew J. McDermott, Christopher L. Rom, Shilong Wang, Gerbrand Ceder
粉末X射线衍射(XRD)是表征晶体材料的基础技术。 然而,对XRD模式的可靠解释,特别是在多阶段系统中,仍然是一项手工和需要专门知识的任务。 作为仅提供结构信息的表征方法,多个参考阶段通常可以适合单一模式,导致在忽略替代解决方案时潜在的误解。 为了减轻人类的努力并应对挑战,我们引入了Dara(数据驱动的自动Rietveld Analysis),这是一个旨在自动从粉末XRD数据中稳健识别和完善多个阶段的框架。 Dara对给定化学空间内的所有合理相组合进行了详尽的树搜索,并使用强大的Rietveld精加工例程(BGMN)验证每个假设。 主要功能包括结构数据库过滤,在树木扩展期间自动聚类结构相位,基于峰值匹配的评分,以确定有希望的改进阶段。 当模棱两可存在时,Dara会产生多个假设,然后由人类专家或进一步的特征工具决定。 通过增强相位识别的可靠性和准确性,Dara能够对逼真的复杂XRD模式进行可扩展的分析,并为集成到多模态表征工作流程,实现完全自动驾驶材料发现奠定了基础。
Powder X-ray diffraction (XRD) is a foundational technique for characterizing crystalline materials. However, the reliable interpretation of XRD patterns, particularly in multiphase systems, remains a manual and expertise-demanding task. As a characterization method that only provides structural information, multiple reference phases can often be fit to a single pattern, leading to potential misinterpretation when alternative solutions are overlooked. To ease humans' efforts and address the chal...