npj：无监督学习—背景信号的自动去除

海归学者发起的公益学术平台

分享信息，整合资源

交流学术，偶尔风月

分析并解释测量谱中的数据是科学研究的重要环节。测量谱中通常包含大量背景噪声，识别并去除这些噪声通常需要预先知识和人工来精细调节参数，费时费力，因而成为当前材料研究中的障碍之一，急需建立更有原则性的方法。

来自美国加州理工学院和康奈尔大学的John M. Gregoire和Carla P. Gomes共同领导的团队，提出一种基于无监督概率学习方法来识别并去除测量谱中的背景，该过程可以完全自动实现而无需输入任何预先知识。上述名为多成分背景学习的方法基于一种全新的概率产生模型，通过大数据学习可以同时获得背景信号和有用信号的信息，由此对测量谱中每一个数据点是否包含有用信号的概率给出判断。以XRD和拉曼谱这两种最为常见的材料表征方法为例，借助已有的数据集分析证明了上述方法的可用性。该方法可以被推广用于更为广泛的测量谱数据的自动识别。