• Treffer 4 von 13
Zurück zur Trefferliste

kowarik-labs/AI-reflectivity: v0.1

  • AI-reflectivity is a code based on artificial neural networks trained with simulated reflectivity data that quickly predicts film parameters from experimental X-ray reflectivity curves. This project has a common root with (ML-reflectivity)[https://github.com/schreiber-lab/ML-reflectivity] and evolved in parallel. Both are linked to the following publication: Fast Fitting of Reflectivity Data of Growing Thin Films Using Neural Networks A. Greco, V. Starostin, C. Karapanagiotis, A. Hinderhofer, A. Gerlach, L. Pithan, S. Liehr, F. Schreiber, S. Kowarik (2019). J. Appl. Cryst. For an online live demonstration using a pre-trained network have a look at github.

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar
Metadaten
Autoren/innen:Stefan KowarikORCiD, L. Pithan
Dokumenttyp:Forschungsdatensatz
Veröffentlichungsform:Graue Literatur
Sprache:Englisch
Jahr der Erstveröffentlichung:2019
Organisationseinheit der BAM:8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.6 Faseroptische Sensorik
Herausgeber (Institution):Bundesanstalt für Materialforschung und -prüfung (BAM)
Verlag:Zenodo
Verlagsort:Geneva
DDC-Klassifikation:Naturwissenschaften und Mathematik / Chemie / Analytische Chemie
Freie Schlagwörter:Artificial neural networks; X-ray reflectivity
Themenfelder/Aktivitätsfelder der BAM:Analytical Sciences
Analytical Sciences / Oberflächen- und Grenzflächenanalytik
Art der Ressource:Software
DOI:https://doi.org/10.5281/zenodo.3477583
Zugehöriger Identifikator:https://nbn-resolving.org/urn:nbn:de:kobv:b43-498997
Zugehöriger Identifikator:https://github.com/kowarik-labs/AI-reflectivity/tree/v0.1
Verfügbarkeit des Dokuments:Datei für die Öffentlichkeit verfügbar ("Open Access")
Lizenz (Englisch):License LogoGNU General Public License v3.0
Datum der Freischaltung:21.12.2020
Referierte Publikation:Nein
Schriftenreihen ohne Nummerierung:Forschungsdatensätze der BAM