[논문 리뷰] XERUS: An open-source tool for quick XRD phase identification and refinement automation

Pedro Baptista de Castro, Kensei Terashima외 3명|arXiv (Cornell University)|2021. 12. 09.

Machine Learning in Materials Science참고 문헌 43인용 수 12

한 줄 요약

XERUS는 개방형 결정학 데이터베이스(예: MP, OQMD, COD)를 활용하여 실시간으로 구조를 검색하고 패턴을 시뮬레이션할 수 있는 오픈소스 파이썬 도구로, 유사도 기반의 단계별 단계적 Rietveld 보정 및 피크 제거를 통합하여 사전 학습 모델이 없이도 높은 정확도로 다상 분석을 수행한다. 다양한 실험 데이터셋과 Li-Mn-O-F 혼합물 기준 테스트에서 검증된 바, 고속이고 자동화된 XRD 상 분석을 가능하게 한다.

ABSTRACT

Analysis of XRD diffraction patterns is one of the keystones of materials science and materials research. With the advancement of data-driven methods for materials design, candidate materials can be quickly screened for the study of a desired physical property. Efficient methods to automatically analyze and identify phases present in a given pattern, are paramount for the success of this new paradigm. To aid this process, the open source python package Xray Estimation and Refinement Using Similarity (XERUS) for semi-automatic/automatic phase identification is presented. XERUS takes advantages of open crystal structure databases, not relying on proprietary databases, to obtain crystal structures on the fly, being then chemical space agnostic. By wrapping around GSASII, it can automatically simulate patterns and calculate similarity measures used for phase identification. Our approach is simple and quick but also applicable to multiphase identification, by coupling the similarity calculations with quick refinements followed by an iterative peak removal process. XERUS is shown in action in four different experimental datasets and also it is benchmarked against a recently proposed deep learning method for a mixture dataset covering the Li-Mn-O-F chemical space. XERUS will be freely available on https://www.github.com/pedrobcst/Xerus/

연구 동기 및 목표

• 고속 재료 스크리닝에서 수작업 XRD 분석이 오랜 시간이 소요되는 문제를 해결하기 위해.
• ICSD와 같은 독점적 데이터베이스에 의존하고 새로운 화학적 공간에 대해 재학습이 필요한 딥러닝 기반 XRD 방법의 한계를 극복하기 위해.
• 화학적 공간에 영향을 받지 않는 탄력적인 도구를 개발하여 오픈소스 데이터베이스에서 실시간으로 결정 구조를 동적으로 검색하여 실시간 상 식별을 지원하기 위해.
• 데이터 기반 재료 발견 워크플로우에서 빠른 합성 검증을 위한 반자동 및 원스톱 Rietveld 보정을 가능하게 하기 위해.
• Jupyter 노트북 및 실험 파이프라인과 호환되는 확장 가능하고 오픈소스 프레임워크를 제공하기 위해.

제안 방법

• 입력된 화학 조성에 따라 Materials Project, OQMD, AFLOW, COD 등의 오픈 액세스 결정 구조 데이터베이스를 API를 통해 사용하여 필요에 따라 구조를 검색한다.
• pymatgen을 활용하여 로컬에 MongoDB 데이터베이스에 구조를 파싱하고 캐시하여 반복 사용을 효율적으로 지원한다.
• 입력된 XRD 데이터와 원소 조성에 기반해 후보 구조의 패턴 시뮬레이션을 GSAS-II를 사용하여 수행한다.
• 실험 패턴과 시뮬레이션 패턴 간의 유사도(예: 상관계수 또는 Rwp)를 계산하여 후보 상을 순위 매긴다.
• 반복적인 보정 및 피크 제거를 적용: 상관계수가 가장 높은 상을 식별하고, 이를 보정한 후 피크를 제거하고, 다상 체계에서는 이를 반복한다.
• GSAS-II와 통합하여 Rietveld 보정을 수행하고, Jupyter 노트북을 통해 시각화 및 최적화 인터페이스를 제공한다.

실험 결과

연구 질문

• RQ1 사전 학습된 딥러닝 모델에 의존하지 않고도, 유사도 기반의 보정 기반 접근 방식이 정확한 XRD 상 식별을 달성할 수 있는가?
• RQ2 다양하고 알려지지 않은 화학적 공간에 걸쳐 오픈소스이자 데이터베이스에 종속되지 않는 방법이 상 식별에 얼마나 효과적인가?
• RQ3 반복적인 피크 제거 및 보정이 단일 단계의 유사도 매칭에 비해 다상 XRD 분석의 정확도를 향상시킬 수 있는가?
• RQ4 실제 실험 데이터셋과 Li-Mn-O-F 혼합물과 같은 벤치마크 데이터셋에서 XERUS는 최신 딥러닝 방법에 비해 어떤 성능을 보이는가?
• RQ5 XERUS는 고속 재료 연구 워크플로우에서 빠른 원스톱 Rietveld 분석을 어느 정도 지원할 수 있는가?

주요 결과

• XERUS는 Li-Mn-O-F 혼합물 데이터셋에서 다상 분류 정확도 92%를 달성했으며, 학습 및 시뮬레이션에 20시간이 소요되는 딥러닝 모델과 동등한 성능을 보였다.
• HoB2.1 합금의 경우 XERUS는 HoB2와 HoO를 주상으로 정확히 식별했으며, Rwp 값은 각각 10.46%와 10.54%였다. 또한 6.7% 무게 분율의 소량 상(Ho2O3) 존재를 확인했다.
• La2−xSrxCuO4 샘플(x=0.25)에서 XERUS는 주상으로 La2CuO4를 식별했고 Rwp = 18.16%였으며, 2차 상(Sr0.3La3.7Cu2O7.2)을 6.7% 무게 분율로 정확히 할당했다.
• 목표 조성이 HoMoC2인 Mo-Ho-C 합금에서 XERUS는 HoMoC2를 최상위 후보로 정확히 식별했으며(Rwp = 15.17%), 여러 시행에서 일관된 상 정량을 제공했다.
• XERUS는 LiMn2O4 + LiF + Li2MnO3와 같은 복잡한 혼합물에서도 뛰어난 성능을 보였으며, Rwp 값이 10% 이하인 주요 상을 정확히 식별하고 일관된 무게 퍼센트 추정치를 제공했다.
• 중첩 피크와 비스토이히오메트릭 상이 있는 도전적인 케이스에서도 XERUS는 고안정성과 재현성을 보였으며, 시행 수(n_runs = 2–3)와 파rameter 설정(δ = 1.3)에 관계없이 일관된 결과를 제공했다.