科研人员提出对二维材料光谱学停止机器学习研讨的方案

近期，中国迷信院上海光学精细机械研讨所微纳光电子功能材料实验室在应用随机森林算法完成二维材料层数和缺陷辨认研讨中获得新停顿，揭示了机器学习算法在二维材料光谱学研讨范畴的运用潜力。

机器学习是人工智能范畴的重要分支，其基本思想是基于数据构建统计模型，并应用模型对数据停止分析和预测。随着大数据技术的疾速发展，以数据驱动的机器学习算法在材料研讨范畴蓬勃兴起。二维材料的Raman光谱对分子键合及样品的结构较敏感，可用来停止化学鉴别、形状与相、内压力/应力及组成成份等的研讨和分析。虽然Raman光谱提供了较丰富的信息，但如何发掘信息深度、应用多种信息停止综合决策，仍需进一步的研讨。

该研讨中，研讨人员应用MoS2的Raman频率、强度等特征信息，经过重采样过程，得到了包含不同空间地位信息的子训练集；经过学习过程，建立了由一定数量决策树组成的随机森林模型。当有新的样本点进入模型停止预测和判别时，随机森林中的每棵决策树会停止独立判别，继而经过多数表决的方式给出相对准确的预测结果。除了可以判别单层和双层样品外，模型还可以对样品生长过程中易引入的裂痕和随机分布晶核停止预测。该研讨工作提出的方案将机器学习算法引入二维材料光谱学的研讨中，也可扩展到其他材料，为不同范畴的材料表征提供处理方案。

相关研讨成果以Machine Learning Analysis of Raman Spectra of MoS2为题，发表在Nanomaterials上。研讨工作得到国家自然迷信基金委、中科院、上海市科委的支持。

图1.随机森林算法中学习过程的基本结构

图2.随机森林算法中预测过程的基本结构和一些区域层数辨认的结果

来源：中国迷信院上海光学精细机械研讨所

不错不错，楼主快出来写点实战经验哇~

前排顶，很好！

唉？楼主写完了？不打算多写点么？