科学家们已经开发出深度学习模型，可以筛选X射线衍射技术产生的大量数据。罗切斯特大学的科学家表示，深度学习可以增强一项技术，该技术已经是表征新材料的黄金标准。在npj Computational Materials的一篇论文中，跨学科团队描述了他们开发的模型，以更好地利用X射线衍射实验产生的大量数据。
在X射线衍射实验中，明亮的激光照射在样品上，产生衍射图像，其中包含有关材料结构和性能的重要信息。项目负责人Niaz Abdolrahim是机械工程系副教授，也是激光能量学实验室的科学家，他说，分析这些图像的传统方法可能是有争议的，耗时的，而且往往无效。
Abdolrahim说：“每张图像中都隐藏着许多材料科学和物理学，世界各地的设施和实验室每天都会产生数TB的数据。“开发一个好的模型来分析这些数据可以真正帮助加快材料创新，了解极端条件下的材料，并为不同的技术应用开发材料。
这项研究由材料科学博士生杰拉尔多·萨尔加多领导，为高能量密度实验带来了特别的前景，例如原子压力物质中心的研究人员在LLE进行的实验。通过研究极端条件下材料改变相位的精确时刻，科学家们可以发现创造新材料的方法，并了解恒星和行星的形成。
阿卜杜勒拉希姆说，该项目由美国能源部国家核安全局和美国国家科学基金会资助，改进了以前开发用于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、Chenliang Xu 副教授和他们的学生结合了来自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，需要更多的X射线衍射分析实验数据公开，以帮助完善模型。她说，该团队正在努力为其他人创建平台，以共享数据，以帮助训练和评估系统，使其更加有效。
