物理学家用机器学习工具检测难以捉摸的“布拉格玻璃”相位

康奈尔大学量子研究人员利用大量的X射线数据和一种新的机器学习数据分析工具，检测到了一种难以捉摸的物质相，称为布拉格玻璃相。这一发现解决了一个长期存在的问题，即布拉格玻璃的这种几乎但不完全有序的状态是否可以存在于真实材料中

这篇题为“具有X射线衍射温度聚类（X-TEC）的PdxErTe3中的布拉格玻璃特征”的论文发表在《自然物理学》上。主要作者是艺术与科学学院物理系的博士后研究员Krishnand Madhukar Mallayya。通讯作者是物理学教授Eun Ah Kim。这项研究是与阿贡国家实验室和斯坦福大学的科学家合作进行的

研究人员提出了从X射线散射中检测到的布拉格玻璃相的第一个证据，X射线散射是一种在系统无序电荷密度波（CDW）材料PdxErTe3中访问整个材料本体而不仅仅是材料表面的探针。他们使用了全面的X射线数据和一种新的机器学习数据分析工具——X射线温度聚类（X-TEC）

Mallayya说：“尽管三十年前就有理论预测，但晶体主体中CDW布拉格玻璃的具体实验证据仍然缺失。”

金说，从理论上讲，三个阶段之间有着明显的区别：长程有序、布拉格玻璃和无序态。在无序状态下，CDW相关性在有限的距离内衰减。在长程有序状态下，电荷密度波的相关性无限期地继续

金继续说道，在布拉格玻璃阶段，CDW相关性衰减得如此缓慢，以至于它只会在无限远的地方完全消失

“挑战在于从实验数据中检测这些差异，这些数据也反映了现实生活中的问题，如噪声和实验装置的有限分辨率，”Kim说

研究人员通过材料、数据和机器学习工具之间的战略协同作用克服了关键挑战。在材料方面，他们与斯坦福大学的科学家合作，发现了一个CDW材料家族——PdxErTe3，该家族将允许对实验中使用的污垢进行系统研究。在数据方面，他们与阿贡科学家合作，在阿贡国家实验室获取了大量数据

在机器学习方面，他们使用机器学习工具X-TEC，以可扩展和自动化的方法分析大量数据

＜p＞Mallayya说：“通过X射线衍射对布拉格玻璃相的实验检测解决了关于CDW有序物受污垢影响的命运的悬而未决的问题。”

金说，这篇论文超越了具体的科学问题，提出了大数据时代的一种新的研究模式，“使用机器学习工具和数据科学视角，我们可以通过全面的数据分析来寻找具有挑战性的问题，并找出微妙的特征。”

研究人员写道，布拉格玻璃阶数的检测和由此产生的相图大大促进了我们对无序和波动之间复杂相互作用的理解。此外，使用X-TEC通过“峰值扩散”的高通量测量来靶向波动，可以彻底改变散射实验中对波动的研究方式