(shown in red), M2 matrix phase (sh

(shown in red), M2 matrix phase (shown in green), and
a strain relieving interface between the two shown in
blue. Figure 11c,d,e shows each cluster individually.
While the example is relatively simple, it serves to bridge
machine learning methods with high-quality experimental
data that, due to its intrinsic complexity, is typically
only qualitatively analyzed. While it may be possible to
manually distinguish phases and assign them to the
atomic species, performing this task done quantitatively
for a large number of frames quickly becomes a monumental
feat.
Imaging in k-space
The concept of image frame analysis can be further
extended to image sequences, which are perfectly suited
for analysis using the same multivariate statistical
methods. As an example, we turn to an image sequence of
reflection high-energy electron diffraction (RHEED) data
acquired during deposition of SrRuO3 on (001) SrTiO3.
The (00) or specular spot is closely monitored for signs of
oscillations, which would indicate a layer-by-layer growth
of the film on the substrate. As a first approximation,
these oscillations arise due to a filling of incomplete layers
(which reduces step density and therefore increases the
intensity of the diffracted beam), until the layer is
complete followed by more roughening as more material
is deposited, with a corresponding decrease in intensity
of the specular spot [81]. The process continues as

ผลลัพธ์ (ไทย) 1:

(สีแดง), (สีเขียว) ระยะของเมทริกซ์ M2 และสายพันธุ์บรรเทาการอินเตอร์เฟซระหว่างสองที่แสดงในสีฟ้า รูปที่ 11 c, d, e แสดงแต่ละคลัสเตอร์แต่ละในขณะที่ตัวอย่างค่อนข้างง่าย บริการบริดจ์เรียนรู้วิธีทดลองสูงคุณภาพของเครื่องข้อมูลที่ เนื่องจากความซับซ้อนของลักษณะเฉพาะ คุณภาพวิเคราะห์ ในขณะที่มันอาจสามารถแยกขั้นตอน และกำหนดให้ด้วยตนเองพันธุ์อะตอม การดำเนินการงานนี้ทำเชิงพรรณนาเชิงปริมาณสำหรับเฟรมจำนวนมากได้อย่างรวดเร็วกลายเป็นที่อนุสาวรีย์คิดเห็นในพื้นที่ kแนวคิดของการวิเคราะห์กรอบภาพสามารถเพิ่มเติมขยายการลำดับภาพ ซึ่งมีความเหมาะสำหรับการวิเคราะห์ที่เดียวหลายตัวแปรข้อสถิติที่ใช้วิธีการนี้ ตัวอย่างเช่น เราเปิดกับการลำดับภาพของข้อมูลสะท้อนพลังงานสูงอิเล็กตรอนเลี้ยว (RHEED)ได้รับในระหว่างสะสมของ SrRuO3 บน (001) SrTiO3(00) หรือจุดสะท้อนแบบกระจกอย่างใกล้ชิดตรวจสอบหาสัญญาณของแกว่ง ซึ่งจะต้องระบุการเติบโตของเลเยอร์โดยเลเยอร์ฟิล์มบนพื้นผิว เป็นการประมาณการครั้งแรกแกว่งเหล่านี้เกิดขึ้นเนื่องจากการอุดของชั้นไม่สมบูรณ์(ซึ่งช่วยลดขั้นตอนความหนาแน่น และดังนั้นจึง เพิ่มการความเข้มของแสง diffracted), จนกว่าชั้นจะสมบูรณ์ตามวัสดุเพิ่มเติมเป็น roughening เพิ่มเติมจะฝาก มีความเข้มลดลงสอดคล้องกันของการจุดสเปกตรัม [81] กระบวนการยังคงเป็น

ผลลัพธ์ (ไทย) 2:

(แสดงในสีแดง), เมทริกซ์เฟส M2 (แสดงในสีเขียว) และ
สายพันธุ์บรรเทาอินเตอร์เฟซระหว่างสองแสดงใน
สีฟ้า รูป 11C, D, E แสดงแต่ละคลัสเตอร์รายบุคคล.
ขณะที่ตัวอย่างที่ค่อนข้างง่ายมันจะทำหน้าที่ในการเชื่อม
วิธีการเรียนรู้ด้วยการทดลองเครื่องที่มีคุณภาพสูง
ข้อมูลว่าเนื่องจากความซับซ้อนที่แท้จริงของตนเป็นปกติ
เพียงการวิเคราะห์ในเชิงคุณภาพ ในขณะที่มันอาจจะเป็นไปได้ที่จะ
เห็นความแตกต่างด้วยตนเองขั้นตอนและกำหนดให้กับ
ชนิดอะตอมปฏิบัติงานนี้ทำในเชิงปริมาณ
สำหรับจำนวนมากของเฟรมได้อย่างรวดเร็วกลายเป็นอนุสาวรีย์
FEAT.
ถ่ายภาพใน K-พื้นที่
แนวคิดของการวิเคราะห์กรอบภาพที่สามารถต่อ
ขยายไปยัง ลำดับภาพซึ่งจะเหมาะ
สำหรับการวิเคราะห์โดยใช้สถิติหลายตัวแปรเดียวกัน
วิธีการ เป็นตัวอย่างที่เราหันไปลำดับภาพของ
การสะท้อนพลังงานสูงเลนส์อิเล็กตรอน (RHEED) ข้อมูลที่
ได้มาในระหว่างการทับถมของ SrRuO3 ON (001) SrTiO3.
(ที่ 00) หรือ specular จุดที่จะถูกตรวจสอบอย่างใกล้ชิดสำหรับสัญญาณของ
การสั่นซึ่งจะแสดงให้เห็น การเจริญเติบโตชั้นโดยชั้น
ของฟิล์มบนพื้นผิว ในฐานะที่เป็นครั้งแรกประมาณ
แนบแน่นเหล่านี้เกิดขึ้นเนื่องจากการเติมชั้นไม่สมบูรณ์
(ซึ่งจะช่วยลดความหนาแน่นของขั้นตอนและดังนั้นจึงเพิ่ม
ความเข้มของลำแสง diffracted), การจนกว่าชั้นจะ
เสร็จสมบูรณ์ตามมากขึ้นหยาบเป็นวัสดุอื่น ๆ
เป็นเงินฝากที่มีการลดลงที่สอดคล้องกัน ความเข้ม
ของจุด specular ม [81] กระบวนการต่อไปเป็น

ผลลัพธ์ (ไทย) 3:

( สีแดง ) , เมทริกซ์ตารางเมตรเฟส ( เป็นสีเขียว ) และซึ่งการติดต่อระหว่างสองที่แสดงในสีฟ้า รูป 11C , D , E แสดงแต่ละกลุ่มเป็นรายบุคคลในขณะที่ตัวอย่างที่ค่อนข้างง่าย มันทำหน้าที่เป็นสะพานวิธีการเรียนรู้ ทดลองกับเครื่องคุณภาพสูงข้อมูลที่ได้ เนื่องจากตัวมันเป็นปกติที่ซับซ้อนเท่านั้นคุณภาพวิเคราะห์ ในขณะที่มันอาจเป็นไปได้ด้วยตนเองแยกแยะขั้นตอนและมอบหมายให้อะตอมชนิดการปฏิบัติงานนี้ทำพิจารณาสำหรับจำนวนขนาดใหญ่ของภาพได้อย่างรวดเร็วจะกลายเป็นอนุสาวรีย์feat .ภาพใน k-spaceแนวคิดของการวิเคราะห์กรอบภาพที่สามารถเพิ่มเติมการลำดับภาพที่เหมาะการวิเคราะห์โดยใช้สถิติแบบหลายตัวแปรวิธีการ ตัวอย่าง เราเปิดภาพลำดับของการสะท้อน ( rheed ) ข้อมูลการเลี้ยวเบนของอิเล็กตรอนพลังงานสูงได้มาระหว่างการสะสมของ srruo3 ( 001 ) srtio3 .( 00 ) หรือจุดตรวจสอบอย่างใกล้ชิดสำหรับสัญญาณของการสะท้อนแสงการสั่น ซึ่งจะบ่งชี้ถึงชั้นของเลเยอร์ของฟิล์มบนพื้นผิว เป็นประมาณก่อนการสั่นเหล่านี้เกิดขึ้นเนื่องจากการบรรจุของได้ไม่ครบชั้น( ซึ่งจะช่วยลดความหนาแน่นของขั้นตอนและดังนั้นจึงเพิ่มความเข้มของการกระจายแสง ) จนถึง ชั้น คือเสร็จตามด้วยอีก roughening เป็นวัสดุเพิ่มเติมจะฝากกับการลดลงสอดคล้องกันในความการสะท้อนแสงของจุด [ 81 ] กระบวนการที่ยังคงเป็น