Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
Medientyp:
E-Artikel
Titel:
Deep learning for X-ray or neutron scattering under grazing-incidence: extraction of distributions
Beteiligte:
Van Herck, Walter
[VerfasserIn];
Fisher, Jonathan
[VerfasserIn];
Ganeva, Marina
[VerfasserIn]
Erschienen:
IOP Publ., 2021
Erschienen in:Materials Research Express 8, 04515 (2021). doi:10.1088/2053-1591/abd590
Sprache:
Englisch
DOI:
https://doi.org/10.1088/2053-1591/abd590
ISSN:
2053-1591
Entstehung:
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Grazing-incidence small-angle scattering (GISAS) is a technique of significant importance for the investigation of thin multilayered films containing nano-sized objects. It provides morphology information averaged over the sample area. However, this averaging together with multiple reflections and the well-known phase problem make the data analysis challenging and time consuming. In the present paper we show that densely connected neural networks (DenseNets) can be applied for GISAS data analysis and deliver fast and plausible results. The extraction of the rotational distributions of hexagonal nanoparticle arrangements is taken as a case study.