Materiaalitieteissä kehitys kulkee kohti yhä monimutkaisempia rakenteita, joista esim. monikomponenttiseoksien ominaisuudet riippuvat herkästi atomien järjestyksestä, mutta jonka määrittäminen kokeellisesti on vaikeaa. Raman-spektroskopia on yleisesti käytetty, tehokas ja näytettä vahingoittamaton työkalu materiaalien analysointiin ja joka voisi antaa tietoa järjestyksestä. Simulaatiot auttaisivat suuresti spektrien tulkinnassa, mutta kompleksisten systeemien spektrien simulointi on laskennallisesti liian raskasta. Tässä hankkeessa kehitetään ja vertaillaan koneoppimista hyödyntäviä malleja kompleksisten materiaalien Raman-spektrien simulointiin. Mallien tuloksia vertaillaan kokeisiin kahden uuden materiaaliryhmän kohdalla (2D suurentropiaseokset ja fotoferroelektriset perovskiitit), jonka avulla pyrimme selvittämään atomien järjestystä sekä muuta rakenteellista informaatiota, niiden vaikutusta materiaaliominaisuuksiin, ja täten nopeuttamaan materiaalien optimointiprosessia.

2023

2027