物理信息引导的无监督聚类方法用于从空间分辨X射线衍射大型数据集中识别高压隐匿相

《Photon Science》：Physics-Informed Unsupervised Clustering Approach to the Identification of High-Pressure Elusive Phases from Spatially Resolved X-ray Diffraction Large Datasets

　　

第四代同步辐射装置（4th generation synchrotron facilities）最新发展推动的多技术高分辨率X射线成像，可产生规模极其庞大的数据集，从而对传统分析方法构成挑战。当研究非均一性样品的晶体结构时，这种困难尤为突出：随着成像分辨率提高，衍射图样数量迅速增加，使得在大量衍射反射中通过直接人工检查识别晶相变得极不现实。该研究提出了一种基于物理信息引导相似性度量与无监督聚类算法的分析方法，用于识别衍射空间图谱中的独立相，并据此识别出高压铈氢化物中的材料空间分布。通过对该特定化合物的研究，该工作还增进了对超氢化物（superhydrides）合成非均一性的理解。超氢化物是凝聚态物理学中一类重要的超导体，其表征即便对于当前最先进的材料技术而言也极具挑战。所提出的分析框架还可直接推广至任何相关曲线集合，只要其特征与特定实体（如结构相）相联系。

该论文发表于《Photon Science》，围绕高压极端条件下空间分辨X射线衍射（XRD）大数据的自动化解析这一前沿问题，提出了一种兼具物理可解释性与无监督学习能力的晶相识别框架。研究背景在于，第四代同步辐射光源与高性能探测器的发展显著提升了X射线显微与衍射成像的空间分辨率和数据采集效率，使研究人员能够在微米甚至纳米尺度上获得样品内部复杂的结构分布信息。然而，这类高分辨成像带来的直接后果是数据量急剧膨胀，传统依赖逐条衍射谱人工判读、峰位比对和后续晶体学精修的方法，在多相、非均一、峰重叠严重的数据场景下效率极低，且难以保证分析的一致性与可重复性。

这一问题在高压超氢化物研究中表现得尤为尖锐。超氢化物通常需要在兆巴（Mbar）级高压和高温条件下，通过激光加热金刚石对顶砧（DAC）实现合成。由于压力场和温度场本身存在显著空间梯度，样品腔内常形成明显的合成非均一性，进而导致多种晶相共存。对这类体系进行精确结构解析时，研究人员不仅要区分目标相与垫片、压力介质等背景相，还要识别局部区域内可能仅占很小面积的“隐匿相”。因此，开发一种既能处理大规模空间分辨衍射数据、又能保留物理可解释性的自动分析方法，成为该领域亟待解决的重要问题。

针对上述困难，研究人员构建了一套“半自动预处理 + 物理信息引导无监督聚类”的分析流程，并以高压铈超氢化物为模型体系进行验证。该方法的核心思想是：若某一晶相真实存在于样品不同空间位置，则与该晶相相关的一组衍射峰会随着探测位置变化而共同增强或共同减弱，因此这些峰在二维空间扫描中的强度变化应表现出显著相关性。基于这一物理前提，研究人员不直接对整条衍射谱进行黑箱分类，而是先将全部衍射谱沿2θ方向划分为多个角区间，对每个角区间在整张空间图上的积分强度构建“面积向量”，再通过面积向量之间的相关性来判断不同角区间是否属于同一晶相的峰组。借助层次聚类（hierarchical clustering），研究人员将相互高度相关的衍射峰区自动归并为若干簇，从而把复杂的多相识别问题转化为多个相对简单的单相峰组判定问题。

用于开展研究的主要关键技术方法可概括如下：研究人员首先在激光加热金刚石对顶砧（DAC）中，于124 GPa条件下制备铈超氢化物样品，样品来源为单个高压合成腔体；随后利用Sirius EMA光束线的2 × 2 μm微聚焦X射线束开展二维空间分辨XRD扫描，获得10 × 11点阵、像素尺寸3.3 μm的大型衍射数据集。数据分析上，先进行强度归一化与多项式背景扣除，再将衍射谱按固定Δθ = 0.05°分割为多个2θ区间，构建跨空间位置的面积向量，并依据归一化面积向量间的皮尔逊相关构造距离度量d = 1 ? r；最后采用SciPy实现的完全连接层次聚类，对峰区进行无监督分组，并结合VESTA计算峰位完成晶相归属。

在研究结果部分，论文首先以“Semiautomatic Preprocessing”说明了数据进入聚类分析前的标准化步骤。研究人员指出，大规模衍射图数据在进行机器学习分析前必须先完成具有物理一致性的预处理。具体而言，各衍射曲线先按入射X射线强度进行归一化，以消除同步辐射束流波动带来的系统误差；随后通过选取不含衍射峰的固定角位置，使用多项式函数拟合背景并予以扣除，从而获得基线平坦、不同测点之间可直接比较的衍射谱集合。该步骤的结论是，规范化的预处理可避免局部2θ区间中非物理波动对后续相关性分析造成干扰，为后续聚类提供可靠输入。

在“Physics-Informed Similarity Measure and Unsupervised Clustering of Diffraction Data”部分，研究人员给出了方法学核心。通过将每条衍射谱按固定宽度Δθ划分，并对各区间积分，构建出跨全部扫描位置的面积向量A?_m，每个向量表征某一角区间在整张空间图中的强度分布行为。随后，对这些面积向量进行单位范数归一化，并计算两两相关性矩阵。为降低问题复杂度，研究人员先剔除了在整个数据集中最大积分强度始终低于全局最大值0.2%的弱信号区间。最终定义距离度量为d(A?_m′, A?_m″) = 1 ? r_m′m″，其中r_m′m″为相关系数，并采用完全连接法进行层次聚类。该部分的结论是，晶相相关峰组可通过空间共变关系而非仅凭单谱峰形被识别，从而显著增强了机器学习输出与原始衍射特征之间的物理可解释性。

在“Hierarchical Clustering Results”部分，研究人员展示了层次聚类的直接输出，即树状图（dendrogram）。树状图中每个叶节点对应一个特定2θ中心位置的积分区间，聚类过程则表示这些区间如何按相关性逐步合并。结合树状图的合并距离，研究人员最终选择了6个簇，选择依据是尽量使簇内区间保持正相关，而避免将负相关区域并入同一类。具体而言，6簇划分对应的最后一次簇内合并距离为0.95，意味着相关系数仍为正值（+0.05）；若继续减少簇数，则会在距离1.20处发生跨簇合并，对应负相关（?0.20），不再具有合理物理意义。该部分的核心结论是，树状图不仅给出无监督分类结果，也提供了可由研究人员依据物理意义进行阈值判定的解释界面，避免了纯黑箱式判别。

在“Crystal Phase Identification”部分，研究人员将聚类结果转化为具体晶相信息。6个簇中，C2、C4和C5包含主要衍射峰，C1和C3主要反映峰展宽、峰分裂等更复杂行为，C6则主要为低强度区域。研究人员重点分析C2、C4和C5，并将其峰位与文献报道及VESTA计算得到的124 GPa参考峰位进行比较。结果表明，C2可明确归属于铼（rhenium）垫片反射；C5对应六方P6₃/mmc CeH₉相的（100）与（101）反射；C4对应四方I4/mmm CeH₄相的（002）与（101）反射。随后，研究人员基于各簇整体积分强度绘制了相分布图，并以RGB通道组合重建样品内部结构相的空间分布。进一步地，利用峰位可反推出晶格参数：CeH₉的晶胞体积为64.57 ?³、c/a比为1.490；CeH₄的晶胞体积为47.10 ?³、c/a比为2.04。这些结果与既有文献数值总体一致，支持了相归属的可靠性。研究人员同时指出，部分理论上存在的反射峰未被该聚类框架分离出来，原因可能是其与强烈的铼垫片峰发生重叠，导致这些区间在相关性上被主导性背景峰牵引进入同一簇。

在讨论部分，论文强调了该方法相对于直接分析多相衍射图样的显著优势。通过先对“共同变化的峰”进行聚类，研究人员在做晶相归属时只需关注某一簇内部的一组峰，而可暂时忽略其他无关峰，从而把多相XRD判相重构为多个单相峰组识别任务。这一转化显著提升了分析 tractability 与 interpretability。更重要的是，该流程并非意图取代Rietveld精修（Rietveld refinement），而是作为其前端加速与辅助工具：先自动筛出相互关联的峰区和对应空间分布，再进入更传统、更精细的晶体学分析。论文还指出，该策略对参数选择保持开放，研究人员能够根据树状图结构、物理知识及相分离意义调整聚类阈值，因此具有较高的科学透明性。

从材料研究意义上看，该研究借助空间分辨聚类XRD直接揭示了高压合成铈超氢化物样品中的明显非均一性。结果显示，CeH₄相更易形成且分布较广，而高T_c超氢化物CeH₉仅局限于样品中的特定区域，提示其形成依赖更狭窄、更优化的局部合成条件。这一发现对于理解极端条件下样品的真实结构状态具有重要意义，也提示在解释输运性质、迈斯纳效应等位置敏感物理测量结果时，必须充分考虑空间非均一性，否则容易将局部相行为误判为整体样品性质。因而，该工作不仅服务于数据分析方法学本身，也直接推动了超氢化物超导研究中对样品空间异质性的认识。

论文结论部分可译述如下：本研究通过层次聚类X射线衍射方法对样品非均一性进行探测，正如讨论部分所示，直接推动了超导超氢化物及更广泛极端条件合成研究的发展。更为关键的是，该方法可普遍应用于任何大型、富含特征且具有相关性的曲线数据集，并进一步形成一种无监督自动流程，用于处理第四代同步辐射光束线产生的大规模数据，而单纯依赖人工分析已难以胜任。正如本研究实例所示，这种可实现的高分辨信息有助于评估非均一材料中局部区域所隐藏的晶相。这一前景为利用纳米分辨率成像开展新材料识别开辟了道路，尤其适用于在各种热力学条件、甚至更极端环境下合成的本征非均一样品中寻找新的晶体相。自动化大型结构数据分析、极端条件下材料合成以及前沿探测技术的结合，有望共同开启材料发现的新路径。