AI-Driven Phase Identification from X-ray Hyperspectral Imaging of cycled Na-ion Cathode Materials
Os autores desenvolveram um método baseado em inteligência artificial, combinando um autoencoder variacional de mistura gaussiana com o coeficiente de correlação de Pearson, para processar dados de imagem hiperespectral de raios X subamostrados e mapear com resolução nanométrica a distribuição e coexistência de fases em materiais catódicos de íons de sódio, revelando heterogeneidades de fase e zonas de transição críticas para a otimização desses materiais.