智能磁衬度变换中子小角散射信号分析方法及系统
本发明涉及数据处理,具体地,涉及智能磁衬度变换中子小角散射信号分析方法及系统,更为具体地,涉及基于核/磁散射协同拟合的高精度智能磁衬度变换中子小角散射信号分析方法及系统。
背景技术:
1、目前现有公开技术中,暂无针对磁衬度变换中子小角散射(磁sans)信号的分析方法。sans的分析方法可以用于分析磁sans实验分离得到的核散射与磁散射信号,但这种方法忽略了核散射与磁散射信号物理来源的高度关联性,降低了分析的准确性。
2、专利文献cn118296344b(申请号:202311566807.7)公开了基于机器学习加速的x射线小角散射测量方法及装置,用以在确定样品关键尺寸时加快仿真计算散射信号的速度,进而减少求解关键尺寸所花费的时间。该方法包括:通过测量系统获取待测样本的测量散射图;测量散射图为在不同位置关系下测量系统的x射线经过待测样本被散射后形成的散射图;所述位置关系为x射线与所述待测样本的方位角和入射角;解析所述待测样本的测量散射图中散射信号的分布特征,得到表征所述待测样本的关键尺寸的测量特征信号;将所述测量特征信号与仿真特征信号进行比较,确定与所述测量特征信号的差异最小的仿真特征信号;将与所述测量特征信号的差异最小的仿真特征信号相对应的一组模拟关键尺寸作为待测样本的关键尺寸。该方法与sans方法相似,但并不适用于外加磁场的磁sans实验解析。
3、专利文献cn111159847a(申请号:201911223151.2)公开了一种自动拟合小角散射数据的方法及系统,包括:数据获取步骤:获取输入的小角散射实验数据,以及待拟合参数及待拟合参数的取值范围,所有所述待拟合参数的取值范围共同构成搜索空间;启发式算法处理步骤:将所述搜索空间输入启发式算法,得到第一输出;梯度下降法处理步骤:将第一输出为梯度下降法的输入,得到第二输出;网格搜索法处理步骤:将第二输出作为网格搜索法的输入,得到最终的拟合结果。该专利并未考虑外加磁场条件下sans实验多种信号共同作用的影响。
4、shi s, zhong s,jin l et al. vsas: a smart small-angle scattering dataprocessing tool[j]. nuclear analysis, 2022, 1(2)开发的vsas软件基于贝叶斯优化方法、梯度下降法和局部网格搜索法实现对sans和saxs数据的自动化分析,但该方法并不能同时对多个小角散射信号进行协同分析,且缺乏在不同条件下动态选择贝叶斯期望优化函数和梯度下降策略的灵活性,并不适用于磁sans实验的解析。
技术实现思路
1、针对现有技术中的缺陷,本发明的目的是提供一种智能磁衬度变换中子小角散射信号分析方法及系统。
2、根据本发明提供的一种智能磁衬度变换中子小角散射信号分析方法,包括:
3、步骤s1:通过磁sans实验得到二维散射图像,基于二维散射图像获得核/磁散射信号以及核/磁散射信号标准差;
4、步骤s2:基于设定的异质结构几何模型与分布模型,得到描述散射过程的理论方程以及需要拟合的参数集;
5、步骤s3:根据核/磁散射信号和理论方程、需要拟合的参数集,对核/磁散射信号分别进行独立拟合;
6、步骤s4:根据得到的独立拟合结果设置协同拟合的范围,在该范围内进行初步核磁散射信号协同拟合;如果拟合结果较好且满足预设要求,则终止分析,且所述拟合结果用于反映材料异质结构的物理状态;
7、步骤s5:如果拟合结果不满足预设要求,则引入误差项后,将拟合结果作为起始点重新进行拟合;如果拟合结果较好且满足预设要求,则终止分析;
8、步骤s6:如果拟合结果不满足预设要求,则将核/磁散射信号独立拟合结果作为起点,进行帕累托优化,寻找核/磁散射结果之间实现最佳取舍的解,用于探索材料异质结构的物理状态。
9、优选地,所述步骤s1包括:
10、通过磁sans实验得到二维散射图像,所述二维散射图像代表不同散射矢量方向上的信号强度;其中,平行于实验外加磁场方向轴仅有核散射贡献,垂直于实验外加磁场方向轴有核散射与最大磁散射贡献;分别选取轴、轴周围预设范围内的信号像素点进行扇形积分,得到信号的平均值与标准差;其中,下标代表核散射贡献;下标代表磁散射贡献;
11、将方向信号平均值减去方向信号平均值,求解得到磁散射信号,将方向标准差加上方向标准差得到磁散射信号标准差;
12、如果核/磁散射任一信号平均值小于标准差,则剔除当前核/磁信号。
13、优选地,所述步骤s2包括:
14、
15、其中,为核散射理论方程,为磁散射理论方程;为核散射背景散射函数,为磁散射背景散射函数;为体积分数,和均为衬度;为特征尺寸的概率密度分布函数,为异质结构的体积,为异质结构的形状因子;为异质结构的特征尺寸;
16、所述需要拟合的参数集包括:共用参数集{、核散射参数集以及磁散射参数集;针对每个参数,设置其初始允许范围与精细搜索半宽;为每个参数的取值下限;为每个参数的取值上限。
17、优选地,所述步骤s3中对核散射信号进行独立拟合,包括:
18、步骤s3.1:初始化核散射信号的贝叶斯优化数据点集,并计算对应的卡方统计量,基于卡方统计量获得损失函数值集;
19、选择一个初始点数量,生成个随机高维数据点,其所有的分量满足;为在区间上的均匀概率分布;将当前初始点记为点集,计算对应的卡方统计量:
20、
21、其中,为实验测量的散射矢量q的总数量,为核散射模型参数数量;为实验测量的每一个散射矢量;为当前用于计算卡方统计量的参数空间数据点;;计算得到的所有值记为损失函数值集;
22、步骤s3.2:对核散射进行贝叶斯优化,全局搜索卡方统计量小于阈值的数据点;
23、根据初始点集和损失函数值集构建先验高斯过程函数;使用选择下一个需要计算卡方统计量的点,满足:
24、
25、其中,为使得期望优化函数取最大值的函数值,为期望,为高斯过程函数在已经检验的点处的取值,为高斯过程函数在下一个可能检验点处的取值;
26、计算处的实际函数值;将与分别加入和作为新的点集和损失函数值集;重复该过程,直到寻找到个满足的点,或循环次数达到上限;其中,为局部优化最大起始点数;
27、如果存在满足的点,则将其全部输出;不存在满足的点,则输出最小值对应的点;将所有得到的点集记为;
28、步骤s3.3:对全局搜索得到的点集进行levenberg-marquardt局部优化;
29、针对每一个贝叶斯优化得到的点,设置一个初始阻尼因子,计算当前点的雅可比矩阵,基于雅可比矩阵计算更新步长:
30、
31、其中,上标t为矩阵转置;为单位矩阵;
32、得到下一个点,之后计算实际函数值;计算实际下降与预测下降的比值:
33、
34、如果计算得到的比值小于0,则拒绝步长,将阻尼因子设置为更大的值,使levenberg-marquardt算法更加接近梯度下降法,然后重新计算更新步长;如果计算得到的值大于0,则接受,并减小,使得levenberg-marquardt算法更加接近高斯-牛顿法,然后从新的点出发计算下一个更新步长;
35、重复触发执行,直到收敛或卡方统计量;对每一个贝叶斯优化初始点最终得到的而言,比较其,选取最小的作为最终优化结果。
36、优选地,所述步骤s4包括:
37、步骤s4.1:初始化协同拟合的贝叶斯优化数据点;
38、生成个数据点,如果参数仅属于核散射或仅属于磁散射,则满足;其中,为或中对应的值,为该参数设置的精细搜索半宽;
39、如果同时属于核散射与磁散射,则需满足;为属于核散射的参数;为属于磁散射的参数;
40、将这些点集记为,对所有点计算对应的累加卡方统计量:
41、
42、其中,为磁散射信号的贝叶斯优化数据点集的卡方统计量;
43、同样,将这些统计量记为;
44、步骤s4.2:通过贝叶斯优化全局搜索,寻找累加卡方统计量小于阈值的点;
45、基于和构建高斯过程函数,使用高斯过程函数选择下一个需要计算的点,并得到新的累加卡方统计量,然后更新和;重复触发执行,直至达到循环次数上限,或有个点同时满足和;如果不存在满足条件的点,则输出最小的点;将所有得到的点集记为;
46、步骤s4.3:使用levenberg-marquardt方法对贝叶斯优化得到的累加卡方统计量较优点进行局部优化;
47、将核散射信号与磁散射信号拼接为一个长矢量;对每一个起始点而言,将理论方程计算的值进行相同的拼接操作得到;之后,使用与步骤s3.3中相同的方式不断逼近最小值,直到收敛,或且;比较所有优化结果,选择与均最小的点;
48、如果满足和,将最终得到的点以及该点处的近似拟合误差值,其中,其中,diag代表的是矩阵对角线上的值;为雅可比矩阵;上标t为矩阵转置;下标i为对应矩阵第i行第i列的元素;还有对应与以及,一并作为分析结果输出;若不满足,则触发步骤s5。
49、优选地,所述步骤s5包括:
50、步骤s5.1:初始化误差项拟合的贝叶斯优化数据点;
51、在共用参数集的基础上,增加核散射分数模型误差以及磁散射分数模型误差,构成带误差拟合参数集;其中,所述核/磁散射分数模型误差是理论模型方程与实际测量结果的比例误差;
52、生成个随机数据点,其中对属于的参数而言,随机数满足;为第i个共用参数;对参数而言,随机数满足;其中,分别为设置的分数模型误差最小值和最大值;将包括分数模型误差项的参数点集记为,计算每一个点处的修正卡方统计量:
53、
54、
55、
56、
57、其中,为第j个点处的核散射对数空间带误差项卡方统计量,为第j个点处的核散射对数空间带误差项卡方统计量余项,为第j个点处的修正核散射卡方统计量,为第j个点处的总修正卡方统计量;p为实验测量的散射矢量q的总数量;
58、将所有对应的记为;
59、步骤s5.2:通过贝叶斯优化全局搜索修正卡方统计量小于阈值的点;
60、根据初始点集和损失函数值集构建先验高斯过程函数,使用选择下一个需要计算修正卡方统计量的点,满足
61、
62、计算处的修正卡方统计量,将结果存入和,并更新;重复上述过程达到循环次数下限,此时检查中的最小值,记录此时的参数;
63、检查所有满足的参数点,查看是否满足:
64、
65、
66、
67、
68、其中,为核散射模型参数数量,为磁散射模型参数数量,
69、将所有满足的参数点记为;继续循环直到中元素数量达到需求值,或循环次数达到上限;如果没有元素满足条件,则重新查找将作为中的唯一最优结果进入下一步;
70、步骤s5.3:使用bfgs方法对贝叶斯优化得到的修正卡方统计量满足预设要求的点进行局部优化;
71、对每一个起始点而言,首先猜测该点处函数的海森矩阵,然后根据计算下降方向:
72、
73、其中,为函数的梯度;
74、在该方向上寻找步长,满足:
75、
76、其中,为待求步长变量;
77、然后更新;
78、记
,
,则用下面的关系式更新海森矩阵:
79、
80、重复上述步骤,直到结果收敛;
81、比较每一个起始点最后的优化结果,检查是否满足:
82、
83、
84、
85、
86、如果存在满足条件,则将所有的以及其对应的,以及分数模型误差项,一并输出;上划线表示对所有q处测量得到的值取平均;
87、如果不存在满足条件的参数值和分数模型误差项,则触发步骤s6。
88、优选地,所述步骤s6包括:
89、步骤s6.1:寻找核散射单独优化结果条件下磁散射的最优化结果,以及磁散射单独优化结果条件下的核散射最优化结果;
90、首先假定核散射单独优化结果为真,之后固定共享参数,对其他的磁散射独有参数执行贝叶斯优化和levenberg-marquardt优化,最后将得到的优化结果与合并为,代表从核散射结果出发,核散射权重为1的帕累托最优解;使用相同的方法从磁散射单独优化结果出发优化,合并得到;
91、步骤s6.2:对设定的权重组进行双向扫描,得到所有候选帕累托最优解;
92、其中,针对核散射,从出发,记下一个最接近的需要检查的权重组元素为,构造加权卡方统计量函数:
93、
94、将作为起始点进行levenberg-marquardt局部优化得到;在该点周围进行循环次数上限与起始随机点均小于预设值的轻量贝叶斯优化得到候选点以避免陷入局部最优解,最后再次进行levenberg-marquardt优化,得到优化结果作为下一次扫描的起始点;重复上述过程直到覆盖所有包含的权重;
95、同样,从出发,扫描所有的权重;将上述所有的扫描结果记为;
96、步骤s6.3:检查所有候选帕累托最优解,去除被完全占优的解并寻找帕累托前沿上的拐点解;对每一个中的解而言,如果存在另一个解满足与,则被完全占优,将其从中去除;
97、在剩余的帕累托最优解中,检查所有解在平面上到与构成直线的距离:距离最远的点为核散射与磁散射信号间的最佳取舍拐点;
98、将所有的以及对应的数值输出,并标记拐点解,作为最终帕累托优化的结果。
99、根据本发明提供的一种智能磁衬度变换中子小角散射信号分析系统,包括:
100、模块m1:通过磁sans实验得到二维散射图像,基于二维散射图像获得核/磁散射信号以及核/磁散射信号标准差;
101、模块m2:基于设定的异质结构几何模型与分布模型,得到描述散射过程的理论方程以及需要拟合的参数集;
102、模块m3:根据核/磁散射信号和理论方程、需要拟合的参数集,对核/磁散射信号分别进行独立拟合;
103、模块m4:根据得到的独立拟合结果设置协同拟合的范围,在该范围内进行初步核磁散射信号协同拟合;如果拟合结果较好且满足预设要求,则终止分析,且所述拟合结果用于反映材料异质结构的物理状态;
104、模块m5:如果拟合结果不满足预设要求,则引入误差项后,将拟合结果作为起始点重新进行拟合;如果拟合结果较好且满足预设要求,则终止分析;
105、模块m6:如果拟合结果不满足预设要求,则将核/磁散射信号独立拟合结果作为起点,进行帕累托优化,寻找核/磁散射结果之间实现最佳取舍的解,用于探索材料异质结构的物理状态。
106、优选地,所述模块m1包括:
107、通过磁sans实验得到二维散射图像,所述二维散射图像代表不同散射矢量方向上的信号强度;其中,平行于实验外加磁场方向轴仅有核散射贡献,垂直于实验外加磁场方向轴有核散射与最大磁散射贡献;分别选取轴、轴周围预设范围内的信号像素点进行扇形积分,得到信号的平均值与标准差;其中,下标代表核散射贡献;下标代表磁散射贡献;
108、将方向信号平均值减去方向信号平均值,求解得到磁散射信号,将方向标准差加上方向标准差得到磁散射信号标准差;
109、如果核/磁散射任一信号平均值小于标准差,则剔除当前核/磁信号;
110、所述模块m2包括:
111、
112、其中,为核散射理论方程,为磁散射理论方程;为核散射背景散射函数,为磁散射背景散射函数;为体积分数,和均为衬度;为特征尺寸的概率密度分布函数,为异质结构的体积,为异质结构的形状因子;为异质结构的特征尺寸;
113、所述需要拟合的参数集包括:共用参数集{、核散射参数集以及磁散射参数集;针对每个参数,设置其初始允许范围与精细搜索半宽;为每个参数的取值下限;为每个参数的取值上限;
114、所述模块m3中对核散射信号进行独立拟合,包括:
115、模块m3.1:初始化核散射信号的贝叶斯优化数据点集,并计算对应的卡方统计量,基于卡方统计量获得损失函数值集;
116、选择一个初始点数量,生成个随机高维数据点,其所有的分量满足;为在区间上的均匀概率分布;将当前初始点记为点集,计算对应的卡方统计量:
117、
118、其中,为实验测量的散射矢量q的总数量,为核散射模型参数数量;为实验测量的每一个散射矢量;为当前用于计算卡方统计量的参数空间数据点;;计算得到的所有值记为损失函数值集;
119、模块m3.2:对核散射进行贝叶斯优化,全局搜索卡方统计量小于阈值的数据点;
120、根据初始点集和损失函数值集构建先验高斯过程函数;使用选择下一个需要计算卡方统计量的点,满足:
121、
122、其中,为使得期望优化函数取最大值的函数值,为期望,为高斯过程函数在已经检验的点处的取值,为高斯过程函数在下一个可能检验点处的取值;
123、计算处的实际函数值;将与分别加入和作为新的点集和损失函数值集;重复该过程,直到寻找到个满足的点,或循环次数达到上限;其中,为局部优化最大起始点数;
124、如果存在满足的点,则将其全部输出;不存在满足的点,则输出最小值对应的点;将所有得到的点集记为;
125、模块m3.3:对全局搜索得到的点集进行levenberg-marquardt局部优化;
126、针对每一个贝叶斯优化得到的点,设置一个初始阻尼因子,计算当前点的雅可比矩阵,基于雅可比矩阵计算更新步长:
127、
128、其中,上标t为矩阵转置;为单位矩阵;
129、得到下一个点,之后计算实际函数值;计算实际下降与预测下降的比值:
130、
131、如果计算得到的比值小于0,则拒绝步长,将阻尼因子设置为更大的值,使levenberg-marquardt算法更加接近梯度下降法,然后重新计算更新步长;如果计算得到的值大于0,则接受,并减小,使得levenberg-marquardt算法更加接近高斯-牛顿法,然后从新的点出发计算下一个更新步长;
132、重复触发执行,直到收敛或卡方统计量;对每一个贝叶斯优化初始点最终得到的而言,比较其,选取最小的作为最终优化结果。
133、优选地,所述模块m4包括:
134、模块m4.1:初始化协同拟合的贝叶斯优化数据点;
135、生成个数据点,如果参数仅属于核散射或仅属于磁散射,则满足;其中,为或中对应的值,为该参数设置的精细搜索半宽;
136、如果同时属于核散射与磁散射,则需满足;为属于核散射的参数;为属于磁散射的参数;
137、将这些点集记为,对所有点计算对应的累加卡方统计量:
138、
139、其中,为磁散射信号的贝叶斯优化数据点集的卡方统计量;
140、同样,将这些统计量记为;
141、模块m4.2:通过贝叶斯优化全局搜索,寻找累加卡方统计量小于阈值的点;
142、基于和构建高斯过程函数,使用高斯过程函数选择下一个需要计算的点,并得到新的累加卡方统计量,然后更新和;重复触发执行,直至达到循环次数上限,或有个点同时满足和;如果不存在满足条件的点,则输出最小的点;将所有得到的点集记为;
143、模块m4.3:使用levenberg-marquardt方法对贝叶斯优化得到的累加卡方统计量较优点进行局部优化;
144、将核散射信号与磁散射信号拼接为一个长矢量;对每一个起始点而言,将理论方程计算的值进行相同的拼接操作得到;之后,使用与模块m3.3中相同的方式不断逼近最小值,直到收敛,或且;比较所有优化结果,选择与均最小的点;
145、如果满足和,将最终得到的点以及该点处的近似拟合误差值,其中,其中,diag代表的是矩阵对角线上的值;为雅可比矩阵;上标t为矩阵转置;下标i为对应矩阵第i行第i列的元素;还有对应与以及,一并作为分析结果输出;若不满足,则触发模块m5;
146、所述模块m5包括:
147、模块m5.1:初始化误差项拟合的贝叶斯优化数据点;
148、在共用参数集的基础上,增加核散射分数模型误差以及磁散射分数模型误差,构成带误差拟合参数集;其中,所述核/磁散射分数模型误差是理论模型方程与实际测量结果的比例误差;
149、生成个随机数据点,其中对属于的参数而言,随机数满足;为第i个共用参数;对参数而言,随机数满足;其中,分别为设置的分数模型误差最小值和最大值;将包括分数模型误差项的参数点集记为,计算每一个点处的修正卡方统计量:
150、
151、
152、
153、
154、其中,为第j个点处的核散射对数空间带误差项卡方统计量,为第j个点处的核散射对数空间带误差项卡方统计量余项,为第j个点处的修正核散射卡方统计量,为第j个点处的总修正卡方统计量;p为实验测量的散射矢量q的总数量;
155、将所有对应的记为;
156、模块m5.2:通过贝叶斯优化全局搜索修正卡方统计量小于阈值的点;
157、根据初始点集和损失函数值集构建先验高斯过程函数,使用选择下一个需要计算修正卡方统计量的点,满足
158、
159、计算处的修正卡方统计量,将结果存入和,并更新;重复上述过程达到循环次数下限,此时检查中的最小值,记录此时的参数;
160、检查所有满足的参数点,查看是否满足:
161、
162、
163、
164、
165、其中,为核散射模型参数数量,为磁散射模型参数数量,
166、将所有满足的参数点记为;继续循环直到中元素数量达到需求值,或循环次数达到上限;如果没有元素满足条件,则重新查找将作为中的唯一最优结果进入下一步;
167、模块m5.3:使用bfgs方法对贝叶斯优化得到的修正卡方统计量满足预设要求的点进行局部优化;
168、对每一个起始点而言,首先猜测该点处函数的海森矩阵,然后根据计算下降方向:
169、
170、其中,为函数的梯度;
171、在该方向上寻找步长,满足:
172、
173、其中,为待求步长变量;
174、然后更新;
175、记
,
,则用下面的关系式更新海森矩阵:
176、
177、重复上述步骤,直到结果收敛;
178、比较每一个起始点最后的优化结果,检查是否满足:
179、
180、
181、
182、
183、如果存在满足条件,则将所有的以及其对应的,以及分数模型误差项,一并输出;上划线表示对所有q处测量得到的值取平均;
184、如果不存在满足条件的参数值和分数模型误差项,则触发模块m6;
185、所述模块m6包括:
186、模块m6.1:寻找核散射单独优化结果条件下磁散射的最优化结果,以及磁散射单独优化结果条件下的核散射最优化结果;
187、首先假定核散射单独优化结果为真,之后固定共享参数,对其他的磁散射独有参数执行贝叶斯优化和levenberg-marquardt优化,最后将得到的优化结果与合并为,代表从核散射结果出发,核散射权重为1的帕累托最优解;使用相同的方法从磁散射单独优化结果出发优化,合并得到;
188、模块m6.2:对设定的权重组进行双向扫描,得到所有候选帕累托最优解;
189、其中,针对核散射,从出发,记下一个最接近的需要检查的权重组元素为,构造加权卡方统计量函数:
190、
191、将作为起始点进行levenberg-marquardt局部优化得到;在该点周围进行循环次数上限与起始随机点均小于预设值的轻量贝叶斯优化得到候选点以避免陷入局部最优解,最后再次进行levenberg-marquardt优化,得到优化结果作为下一次扫描的起始点;重复上述过程直到覆盖所有包含的权重;
192、同样,从出发,扫描所有的权重;将上述所有的扫描结果记为;
193、模块m6.3:检查所有候选帕累托最优解,去除被完全占优的解并寻找帕累托前沿上的拐点解;对每一个中的解而言,如果存在另一个解满足与,则被完全占优,将其从中去除;
194、在剩余的帕累托最优解中,检查所有解在平面上到与构成直线的距离:距离最远的点为核散射与磁散射信号间的最佳取舍拐点;
195、将所有的以及对应的数值输出,并标记拐点解,作为最终帕累托优化的结果。
196、与现有技术相比,本发明具有如下的有益效果:
197、1、本发明通过多策略衔接的分析策略,解决了磁sans分析中核/磁散射高度耦合又有不同带来的取舍问题;一方面,协同拟合过程中分析始终将核散射与磁散射同时考虑,从而确保拟合结果在物理意义上的关联性;另一方面,分析不刻意追求寻找完美解,承认模型误差和其他因素导致核散射与磁散射结果不一致的可能性,并在此基础上给出具体的差异量,从实验结果中提取了更多的有效信息;
198、2、通过动态匹配算法的方式,本发明在扩大了搜素范围的同时维持了计算效率,并根据情况使用不同的局部优化方法,解决了磁sans分析受初始值影响大、依赖人工输入与判断的问题,提升了分析结果的准确性和可解释性;
199、3、本发明通过对核/磁散射数据质量的判断自动选择分析模式进行协同拟合,提升拟合结果的准确性与可解释性;基于贝叶斯优化全局搜索和levenberg-marquardt/l-bfgs局部优化,降低了求解过程对人工输入的依赖性,同时拟合核磁散射数据则确保了拟合结果紧密贴合物理现象;
200、4、本发明首先分别对核/磁散射信号进行拟合,将该结果作为协同拟合起点设置初始搜索空间,尝试简单联立方程拟合寻找满足核/磁散射结果的异质结构信息,之后根据拟合质量决定是否需要在理论模型中加入误差项,同时判断核/磁散射信号源是否为同样的散射体;相较于现有分开拟合核/磁散射信号的方法,或机械固定参数拟合的方法,本发明兼顾了核/磁散射的高度耦合性,也考虑了磁畴等特殊纳米结构造成影响的可能性,还解决了过去核磁散射比测量不准确的问题,为磁sans实验结果提供了一种高质量、鲁棒性的分析框架。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com