精确的SEM-EDS定量分析、自动化技术以及机器学习使得粉末的成分检测能够实现高通量处理

《Nature Communications》：Accurate SEM-EDS quantification, automation, and machine learning enable high-throughput compositional characterization of powders

　　

摘要

成分分析对于理解和优化材料性能至关重要。然而，对于许多现代技术所依赖的粉末状材料而言，准确且快速地确定各组成相的成分仍是一个尚未解决的难题，这不仅延缓了材料研究进程，也限制了自主实验室平台的发展。扫描电子显微镜结合能量色散X射线光谱技术（SEM-EDS）提供了一种高效且成本较低的解决方案，但由于颗粒形态不规则而产生的伪影，严重影响了其进行定量成分分析的可靠性。在此，我们提出了一种可扩展的基于颗粒的SEM-EDS定量方法，该方法只需为每种元素提供一个实验标准，即便是对传统上难以定量的轻元素也是如此。为了实现大规模应用，我们将这一核心定量方法与自动化测量及无监督机器学习分析相结合，构建了一个端到端的自动化Python框架AutoEMX，用以识别和提取多相样品中的各相成分。AutoEMX能够以低于10%的相对误差——通常甚至低于5%——准确测定各种化学成分中的原子比例，从而区分出传统颗粒平均分析无法识别的主要相及混合杂质。这项工作打破了长期以来阻碍快速粉末成分分析的障碍，使得该技术能够无缝集成到自主实验室中，从而加速新材料的发现过程。