2D SAXS图谱解析模型训练方法及装置制造方法及图纸

本申请实施例提供了一种二维小角X射线散射2D SAXS图谱解析模型训练方法及装置，其中，所述图谱解析模型训练方法应用于电子设备，所述图谱解析模型训练方法包括：获取N个第一2D SAXS图谱，所述N为正整数；将所述N个第一2D SAXS图谱输入到深度学习模型中，得到第一模型参数，所述深度学习模型基于深度学习框架和深度卷积人工神经网络建立；将所述第一模型参数配置到所述深度学习模型中，得到第一图谱解析模型。采用本申请实施例，能够得到一种高通量的2D SAXS图谱解析模型，所述高通量的2D SAXS图谱解析模型在对单张2D SAXS图谱的分布参数进行解析时，解析准确度高，解析速度快(微秒级)，从而满足海量实验数据的解析需求。

【技术实现步骤摘要】
2DSAXS图谱解析模型训练方法及装置
本申请涉及人工智能和小角X射线散射交叉
，尤其涉及一种2DSAXS图谱解析模型训练方法及装置。
技术介绍
小角X射线散射(SmallAngleX-rayScattering，SAXS)是指在靠近原X射线束附近很小角度范围内电子对X射线的相干散射现象，通过分析样品中基体与微结构之间电子密度差所导致的X射线散射强度涨落，可有效探测材料内部纳米尺度(1-1000nm)范围内的微结构(包括微纳颗粒、孔隙结构等)的形状、大小、分布及含量等空间几何信息。同时，SAXS技术具有高穿透性、制样简单、无损探测、测试快速、统计性好以及适用范围广等特点，是当前新材料纳米尺度微结构高通量表征技术中不可缺少的微观-介观尺度关键分析表征手段，被广泛应用于合金、悬浮液、乳液、胶体、高分子溶液、天然大分子、液晶、薄膜、聚电解质、复合物、纳米材料等诸多研究领域。SAXS虽然测试简单，然而数据分析则十分复杂。目前，SAXS数据解析方法主要包括一维SAXS(1DSAXS)和二维SAXS(2DSAXS)方法。1DSAXS方法，通过本文档来自技高网...

【技术保护点】
1.一种二维小角X射线散射2D SAXS图谱解析模型训练方法，应用于电子设备，其特征在于，所述图谱解析模型训练方法包括：/n获取N个第一2D SAXS图谱，其中，所述N为正整数；/n将所述N个第一2D SAXS图谱输入到深度学习模型中，得到第一模型参数；其中，所述深度学习模型基于深度学习框架和深度卷积人工神经网络建立；/n将所述第一模型参数配置到所述深度学习模型中，得到第一图谱解析模型。/n

【技术特征摘要】
1.一种二维小角X射线散射2DSAXS图谱解析模型训练方法，应用于电子设备，其特征在于，所述图谱解析模型训练方法包括：
获取N个第一2DSAXS图谱，其中，所述N为正整数；
将所述N个第一2DSAXS图谱输入到深度学习模型中，得到第一模型参数；其中，所述深度学习模型基于深度学习框架和深度卷积人工神经网络建立；
将所述第一模型参数配置到所述深度学习模型中，得到第一图谱解析模型。


2.根据权利要求1所述方法，其特征在于，所述获取N个第一2DSAXS图谱，包括：
获取N组第一分布参数；
根据所述N组第一分布参数确定N个第一2DSAXS图谱，其中，所述N组第一分布参数与所述N个第一2DSAXS图谱一一对应。


3.根据权利要求1或2中任一所述方法，其特征在于，所述方法还包括：
获取M个第二2DSAXS图谱，其中，所述M个第二2DSAXS图谱中的每个第二2DSAXS图谱包括一组第二分布参数，所述M为正整数；
获取K组第二模型参数，其中，所述K为正整数；
根据所述M个第二2DSAXS图谱和所述第一图谱解析模型，从所述K组第二模型参数中确定一组目标模型参数；
将所述一组目标模型参数配置到所述第一图谱解析模型，得到目标图谱解析模型。


4.根据权利要求3中所述方法，其特征在于，所述根据所述M个第二2DSAXS图谱和所述第一图谱解析模型，从所述K组第二模型参数中确定一组目标模型参数，包括：
针对所述K组第二模型参数中的每组第二模型参数执行以下步骤，以得到K个第一曲线图：将当前处理的一组第二模型参数配置到所述第一图谱解析模型，得到第二图谱解析模型；从所述M个第二2DSAXS图谱中随机调用P个第二2DSAXS图谱输入到所述第二图谱解析模型中，得到所述第二图谱解析模型的P个第二预测分布参数，根据所述P个第二预测分布参数和所述P个第二2DSAXS图谱对应的第二分布参数，确定所述第二图谱解析模型的所述第一曲线图，其中，所述K为正整数，所述P为小于M的正整数；
比较所述K个第一曲线图，确定目标第一曲线图；
将所述目标第一曲线图对应的一组第二模型参数确定为所述一组目标模型参数。


5.根据...

【专利技术属性】
技术研发人员：朱才镇，唐正，刘会超，于佳立，徐坚，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44