Определение долей атомов платины в агломератах биметаллических наночастиц с помощью методов машинного обучения

Рассмотрена применимость методов машинного обучения, в частности, искусственных нейронных сетей, для получения информации о распределении атомов целевого вещества в составе агрегатов биметаллических наночастиц различных архитектур на основе данных о парных радиальных функциях распределения атомов. Прямыми источниками данных являются экспериментальные методы рентгеновской дифракции и рентгеновской абсорбционной спектроскопии из протяженной энергетической области спектра. Обученная модель искусственной нейронной сети продемонстрировала высокую точность определения долей атомов платины в составе наночастиц различных архитектур в агломерате (коэффициент детерминации $\sim$ 0.98). Апробация обученной модели на экспериментальных данных для катализаторов, содержащих биметаллические наночастицы PtCu, показала ее высокую обобщающую способность, что свидетельствует о перспективности применения такого подхода к определению эффективности расхода платины при синтезе платиносодержащих катализаторов на основе наночастиц.