本發(fā)明屬于材料結(jié)構(gòu)表征和x射線衍射，具體地涉及一種基于隨機(jī)一次性精修的自動化晶體結(jié)構(gòu)精修分析方法及系統(tǒng)。

背景技術(shù)：

1、晶體結(jié)構(gòu)分析是材料科學(xué)研究中的重要環(huán)節(jié)，傳統(tǒng)的rietveld精修方法高度依賴于手動操作，這不僅耗時(shí)，而且對研究人員的經(jīng)驗(yàn)有很高的要求，即使使用現(xiàn)有的精修軟件，如gsasii和fullprof，處理復(fù)雜的晶體結(jié)構(gòu)時(shí)仍需要大量的人工干預(yù)，這大大降低了分析效率；此外，傳統(tǒng)方法要求研究人員反復(fù)校驗(yàn)和調(diào)整參數(shù)，以確保精修結(jié)果的準(zhǔn)確性，這進(jìn)一步增加了工作量和時(shí)間成本。已有研究提出了一種基于隨機(jī)初始值的一次性精修方法，但這種方法的初始數(shù)據(jù)是基于人工精修的結(jié)果，這限制了其自動化和普遍適用性，現(xiàn)有研究未形成基于多種策略的自動精修方法，無法充分利用不同策略的優(yōu)勢來提高精修效率和準(zhǔn)確性，關(guān)于該方法在不同初始值誤差下的性能探討不足，這使得研究人員在實(shí)際應(yīng)用中難以評估其可靠性和穩(wěn)定性。

2、解決晶體結(jié)構(gòu)分析過程中存在人工干預(yù)多、效率低下以及存在人為偏差的問題，專利cn114972185a公開了一種基于統(tǒng)計(jì)建模的多晶粉末x光衍射圖譜的全譜線擬合方法，該方法通過快速傅立葉變換和savitzky-golay濾波在倒易空間中對衍射信號進(jìn)行定量分析，從而得到了包括康普頓散射、熒光、多級衍射等因素在內(nèi)的背底分布函數(shù)，實(shí)現(xiàn)了"統(tǒng)計(jì)背底計(jì)算"、"組分晶格常數(shù)的精確測定"、"組分體積分?jǐn)?shù)的定量測定"等功能，但是自動化程度低；cn114705704a公開了一種鋼中奧氏體含量測量方法，對于具有擇優(yōu)取向的鋼試樣采用rietveld方法，并利用topas精修軟件對x射線衍射圖譜進(jìn)行結(jié)構(gòu)精修，目的在于在計(jì)算鋼中奧氏體含量時(shí)，可以提高試驗(yàn)結(jié)果的準(zhǔn)確性。但該方法仍需要人工干預(yù)，存在人工干預(yù)較多的問題。

3、綜上，現(xiàn)有晶體結(jié)構(gòu)分析領(lǐng)域的精修方法仍需不斷改進(jìn)和優(yōu)化，以實(shí)現(xiàn)高度自動化、智能化和高效化。

技術(shù)實(shí)現(xiàn)思路

1、針對傳統(tǒng)rietveld精修方法高度依賴手動操作，耗時(shí)長且對研究人員經(jīng)驗(yàn)要求高。現(xiàn)有改進(jìn)方案雖引入自動化工具，但處理復(fù)雜結(jié)構(gòu)時(shí)仍需大量人工干預(yù)，效率低下，且缺乏多種策略結(jié)合和性能穩(wěn)定性探討的技術(shù)現(xiàn)狀，本發(fā)明旨在于提供一種基于隨機(jī)一次性精修的自動化晶體結(jié)構(gòu)精修分析系統(tǒng)及方法。

2、為了達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)：

3、本發(fā)明提供一種基于隨機(jī)一次性精修的自動化晶體結(jié)構(gòu)精修分析的方法，包括：

4、s1，獲取待分析晶體材料的衍射數(shù)據(jù)，結(jié)構(gòu)參數(shù)和儀器參數(shù)；

5、s2，基于待分析晶體材料的結(jié)構(gòu)參數(shù)和儀器參數(shù)設(shè)計(jì)不同精修策略，基于不同精修策略對待分析晶體材料的衍射數(shù)據(jù)進(jìn)行初次精修，獲得包括精修擬合因子的初次精修結(jié)果，從初次精修結(jié)果中選取最優(yōu)結(jié)果1，所述最優(yōu)結(jié)果1為初次精修擬合因子最小且晶體結(jié)構(gòu)正確的精修結(jié)果；

6、s3，對最優(yōu)結(jié)果1中的原子分?jǐn)?shù)坐標(biāo)和其他參數(shù)引入隨機(jī)變動，對最優(yōu)結(jié)果1中的衍射數(shù)據(jù)進(jìn)行第二次精修，獲得包括第二次精修擬合因子的第二次精修結(jié)果，從第二次精修結(jié)果中選取最優(yōu)結(jié)果2；所述最優(yōu)結(jié)果2為第二次精修擬合因子最小且晶體結(jié)構(gòu)正確的精修結(jié)果；

7、s4，對比最優(yōu)結(jié)果1和最優(yōu)結(jié)果2，選取精修擬合因子最小的精修結(jié)果作為最終結(jié)果，輸出晶體結(jié)構(gòu)信息。

8、s1中，所述結(jié)構(gòu)參數(shù)包含空間群、晶胞參數(shù)、原子分?jǐn)?shù)坐標(biāo)、原子種類和對稱操作，保存在結(jié)構(gòu)模型文件中；所述儀器參數(shù)包括x射線的波長和靶材類型，保存在儀器參數(shù)文件中。

9、s2具體包括：

10、s21，將待分析晶體材料的衍射數(shù)據(jù)，晶體結(jié)構(gòu)數(shù)據(jù)和儀器參數(shù)，導(dǎo)入x射線粉末衍射精修引擎軟件；

11、s22，基于晶體結(jié)構(gòu)數(shù)據(jù)和儀器參數(shù)數(shù)據(jù)設(shè)計(jì)不同精修策略，導(dǎo)入x射線粉末衍射精修引擎軟件，基于不同精修策略對待分析晶體材料的衍射數(shù)據(jù)進(jìn)行初次精修，獲得包括初次精修擬合因子的初次精修結(jié)果；

12、s23，計(jì)算初次精修擬合因子，檢查精修后的結(jié)構(gòu)參數(shù)，選擇初次精修擬合因子最小且晶體結(jié)構(gòu)正確為最優(yōu)結(jié)果1；所述初次精修結(jié)果包括初次精修擬合因子、初次精修結(jié)構(gòu)參數(shù)、初次精修的衍射圖譜和初次精修結(jié)構(gòu)參數(shù)的可視化表示。

13、所述x射線粉末衍射精修引擎軟件為gsas-ii、fullprof和topas中的任意一種。

14、所述基于結(jié)構(gòu)參數(shù)和儀器參數(shù)設(shè)計(jì)不同精修策略，通過調(diào)整結(jié)構(gòu)參數(shù)和儀器參數(shù)的順序獲得。

15、所述第二次精修具體包括：

16、對最優(yōu)結(jié)果1中的原子分?jǐn)?shù)坐標(biāo)引入隨機(jī)變動，獲得引入隨機(jī)變動后的原子分?jǐn)?shù)坐標(biāo)，對最優(yōu)結(jié)果1中的其他參數(shù)引入隨機(jī)變動百分比，獲得引入隨機(jī)變動百分比后的其他參數(shù)值；基于引入隨機(jī)變動后的原子分?jǐn)?shù)坐標(biāo)和引入隨機(jī)變動百分比后的其他參數(shù)值，對最優(yōu)結(jié)果1中的衍射數(shù)據(jù)進(jìn)行第二次精修，精修ki次，獲得包括精修擬合因子的第二次精修結(jié)果；所述其他參數(shù)包括背景因子、晶胞參數(shù)、微觀應(yīng)變、晶粒尺寸、溫度因子和儀器參數(shù)；

17、所述引入隨機(jī)變動后的原子分?jǐn)?shù)坐標(biāo)＝最優(yōu)結(jié)果1原子分?jǐn)?shù)坐標(biāo)+隨機(jī)變動，其中，隨機(jī)變動＝random.uniform(-δxi,δxi)；

18、所述引入隨機(jī)變動百分比后的其他參數(shù)值＝最優(yōu)結(jié)果1其他參數(shù)值×(1+隨機(jī)變動百分比)；其中，隨機(jī)變動百分比＝random.uniform(-δpi,δpi)；

19、其中，i表示隨機(jī)變動的編號，δx表示原子分?jǐn)?shù)坐標(biāo)引入的隨機(jī)變動，δxi表示原子分?jǐn)?shù)坐標(biāo)引入的第i個(gè)隨機(jī)變動，δp表示其他參數(shù)引入的隨機(jī)變動百分比；δpi表示其他參數(shù)引入的第i個(gè)隨機(jī)變動百分比；所述ki表示引入第i個(gè)隨機(jī)變動的精修次數(shù)，δxi＜0.02，δpi＜2％，ki為1000～10000，i取1～8。

20、所述精修擬合因子為峰形擬合因子rp、權(quán)重?cái)M合因子rwp、擬合優(yōu)度因子gof和期望擬合因子rexp中的任意一種。

21、進(jìn)一步地，峰形擬合因子rp的計(jì)算公式為：其中，yo,i是第i個(gè)實(shí)驗(yàn)觀測值，yc,i是第i個(gè)計(jì)算擬合值，n是數(shù)據(jù)點(diǎn)的數(shù)量。

22、進(jìn)一步地，權(quán)重?cái)M合因子rwp的計(jì)算公式為：其中，wi表示每個(gè)數(shù)據(jù)點(diǎn)的權(quán)重，wi＝1/yo,i；yo,i是實(shí)驗(yàn)觀測值(第i個(gè)2θ對應(yīng)的計(jì)數(shù)值)，yc,i是計(jì)算擬合值，n是數(shù)據(jù)點(diǎn)的數(shù)量。

23、進(jìn)一步地，期望擬合因子rexp的計(jì)算公式如下：其中，n表示數(shù)據(jù)點(diǎn)的總數(shù)。p表示擬合參數(shù)的數(shù)量。

24、進(jìn)一步地，所述擬合優(yōu)度因子gof(good?of?fitness)的計(jì)算公式如下：

25、進(jìn)一步地，卡方值χ2常用于評估模型與實(shí)驗(yàn)數(shù)據(jù)的擬合程度，計(jì)算公式如下：其中，yo,i是第i個(gè)實(shí)驗(yàn)觀測值，yc,i是第i個(gè)計(jì)算擬合值，n是數(shù)據(jù)點(diǎn)的數(shù)量。

26、本發(fā)明提供一種實(shí)現(xiàn)上述基于隨機(jī)一次性精修的自動化晶體結(jié)構(gòu)精修分析方法的系統(tǒng)，包括：

27、數(shù)據(jù)獲取模塊，用于獲取待分析晶體材料的衍射數(shù)據(jù)、結(jié)構(gòu)模型數(shù)據(jù)和儀器參數(shù)數(shù)據(jù)；

28、初次精修策略設(shè)計(jì)與執(zhí)行模塊，基于不同精修策略，對待分析晶體材料的衍射數(shù)據(jù)進(jìn)行初始精修，獲得初始精修結(jié)果，選取初次精修擬合因子最小的初始精修結(jié)果為最優(yōu)結(jié)果1；

29、隨機(jī)變動與第二次精修模塊，用于引入隨機(jī)變動對最優(yōu)結(jié)果1進(jìn)行第二次精修，獲得包括第二次精修擬合因子的第二次精修結(jié)果，選取第二次精修擬合因子最小的精修結(jié)果為最優(yōu)結(jié)果2；

30、結(jié)果選擇與評估模塊，用于評估初次精修結(jié)果和第二次精修結(jié)果，對比最優(yōu)結(jié)果1和最優(yōu)結(jié)果2，獲得精修擬合因子最低且晶體結(jié)構(gòu)正確的精修結(jié)果作為最終結(jié)果，輸出晶體結(jié)構(gòu)信息。

31、本發(fā)明提供一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，所述處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述基于隨機(jī)一次性精修的自動化晶體結(jié)構(gòu)精修分析方法的步驟。

32、本發(fā)明提供一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述基于隨機(jī)一次性精修的自動化晶體結(jié)構(gòu)精修分析方法的步驟。

33、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

34、本發(fā)明提供的基于隨機(jī)一次性精修的自動化晶體結(jié)構(gòu)精修分析方法，不僅可以提高工作效率和分析精度，還可以保證結(jié)果的可靠性和擴(kuò)展性，具有顯著的技術(shù)優(yōu)勢和應(yīng)用前景。通過自動化精修過程，顯著減少了手動試錯(cuò)的時(shí)間和人為偏差，python腳本的結(jié)合使得精修過程可以自動執(zhí)行，大大提高了工作效率；通過引入隨機(jī)變動作為初始參數(shù)進(jìn)行多輪一次性精修，可以探索更多的參數(shù)空間，從而找到更優(yōu)的晶體結(jié)構(gòu)模型；通過比較不同精修策略下的擬合因子和晶體結(jié)構(gòu)正確性，可以更加客觀地評估不同模型的優(yōu)劣，避免主觀判斷帶來的偏差。

35、進(jìn)一步地，采用多種不同精修策略的可針對不同的數(shù)據(jù)質(zhì)量、材料特性和儀器進(jìn)行設(shè)計(jì)，多策略的使用，使得本方法能夠適應(yīng)多種復(fù)雜情況，提高精修結(jié)果的準(zhǔn)確性和可靠性，減少人為干預(yù)，實(shí)現(xiàn)高度自動化的晶體結(jié)構(gòu)分析；通過給晶體結(jié)構(gòu)中原子分?jǐn)?shù)坐標(biāo)和其他參數(shù)引入不同范圍的隨機(jī)變動，進(jìn)行多次一次性精修，這種方法能夠更充分地探索參數(shù)空間，找到更優(yōu)的精修結(jié)果，提高了分析的精度和可靠性。

36、本發(fā)明提供的基于隨機(jī)一次性精修的自動化晶體結(jié)構(gòu)精修分析的系統(tǒng)，包括數(shù)據(jù)獲取模塊、初始精修模塊、隨機(jī)變動精修模塊和結(jié)果選擇與評估模塊，通過模塊化設(shè)計(jì)實(shí)現(xiàn)了自動化晶體結(jié)構(gòu)精修分析的方法，提高了分析的效率和準(zhǔn)確性，便于在實(shí)際應(yīng)用中推廣和使用，可以應(yīng)用于多種不同的晶體材料，具有廣泛的適用性和擴(kuò)展性。無論是無機(jī)材料、有機(jī)材料還是復(fù)合材料，只要能夠獲取其衍射圖譜和結(jié)構(gòu)模型數(shù)據(jù)，都可使用本發(fā)明進(jìn)行精修分析，使得本發(fā)明具有廣泛的應(yīng)用前景，能夠?yàn)榭蒲泻凸I(yè)領(lǐng)域提供可靠的數(shù)據(jù)支持。