- Treffer 1 von 1
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.
Autor*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: | Chemie und Prozesstechnik |
Art der Ressource: | Software |
DOI: | 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): | GNU General Public License v3.0 |
Datum der Freischaltung: | 21.12.2020 |
Referierte Publikation: | Nein |
Schriftenreihen ohne Nummerierung: | Forschungsdatensätze der BAM |