10.11889/j.0253-3219.2019.hjs.42.080102
串行晶体学数据筛选算法研究
在串行飞秒晶体学中,可以使用多种基于机器学习的方法对数据进行筛选分类;在晶体实验中,采用自动化图像处理和卷积神经网络来检测晶体衍射图中的布拉格点,去除无效的实验数据.对不同的样品采用多种机器学习方法,进行多次实验和模拟,分析实验预测结果准确度不同的原因.结果显示:在众多方法中,卷积神经网络能够得到较高的预测准确率,而线性方法仅对某些样品有较好的准确率,但两者都优于传统找点算法.为X射线自由电子激光(X-ray Free Electron Laser,XFEL)实验提供有效和便捷的数据筛选工具.
自由电子激光、串行晶体学、机器学习
42
TP181;O722(自动化基础理论)
科技部重点研发计划"X射线自由电子激光原理和关键技术研究"No.2016YFA0401901资助 Supported by National Key R&D Program of China "Research on XFEL Principle&Key Technologies" 2016YFA0401901
2019-09-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
6-10