An unsupervised shapelet-based method for quantification of nanostructured surface imaging
Notice bibliographique
Résumé
Computational methods to quantify structure–property relationships of materials are lacking in comparison to the widespread availability of nanostructure image-based characterization techniques. There are several existing quantification methods to characterize self-assembled nanomaterials, however many techniques are infeasible for use in processing large-scale spatial variation and/or require significant manual image pre-processing. The use of shapelet functions to computationally quantify nanostructured materials is a promising approach that is generalized for arbitrary pattern types but the current state of the art, the response distance method, requires user/researcher supervision. This need for supervision, along with the computational complexity of the method, make it infeasible for use in fully-automated large-scale computational analysis of nanostructured surface images. The development of a fully-automated unsupervised method for quantification of nanostructured surfaces would enable the development of broadly applicable structure–property relationships for nanomaterials, leveraging large amounts of previously captured data (so-called meta-analyses). In this work, these issues with the shapelet-based response distance method are resolved through the development and validation of a multi-step machine learning process which enables unsupervised (fully-automated) analysis of nanostructure imaging. The presented method removes the need for any researcher knowledge regarding order symmetries and enables truly large-scale analysis (e.g., meta-analyses) of the vast amount of nanostructure imaging data currently available. The presented unsupervised shapelet-based response distance method also results in at least an order-of-magnitude reduction in computational complexity compared to the existing method, at the cost of some degree of generality. A software implementation of the presented unsupervised method is provided in the open-source shapelets Python package.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».