「いつ」分光データに統計処理が必要か -...
TRANSCRIPT
2017/3/1
1
新しい情報・統計理論に基づくスペクトル分解-化学イメージング法の開発
名古屋大学未来材料・システム研究所
高度計測技術実践センター・電子顕微鏡計測部
武藤 俊介
第3回SPring-8材料構造の解析に役立つ計算科学研究会・第10回SPring-8先端利用技術ワークショップ
―放射光利用者のためのマテリアルズ・インフォマティクス入門―2017年2月27日(月) (株)ニチイ学館
「いつ」分光データに統計処理が必要か
• 信号強度がノイズレベルに対して同等なとき
(ランダムノイズの除去)
• 特にデータ点数(評本点の数)が膨大なとき(機械学習)
• さらに分光データにどのような成分が含まれているか不明なとき(複数成分の重なりが予測されるとき)
2017/3/1
2
PIXON法のデモ:画像復元
• 微弱シグナルの検出への応用
統計処理が有効なデータ解析例の紹介1
データ解析の現状
• 分析装置のデジタル化 PC制御
• 測定の自動化
• ソフトウェアのブラックボックス化
利点:測定の精度向上同種測定の繰り返しの容易化による網羅的測定
難点:膨大なデータサイズ定型解析にしばられ内在する情報を拾い切れていない
2017/3/1
3
複合電子分光による物性イメージング
統計
処理
Beam rocking
sample
角度分解EELS
原子像
ロッキング図形
X線チャネリング図形
占有サイト・占有率
結晶構造
欠陥構造
電子状態異方性
EELS
ADF検出器
機能元素分析
欠陥構造の電子状態計測
一種類のデータをモデル化するには?(一変数から)最小二乗法
2017/3/1
4
関係のモデル化:回帰分析:最小二乗法
残差二乗和S= 残差 最小
y = a1 x + a0
係数a1,a0はどう決められるか
残差二乗和
n
iii axayS
1
201
Sの最小条件 0001
a
S
a
S
ny
y
ya
aa
x
x
x
1
0
12
1
TT ,,
1
1
1
Xy,XXaX
n
n
iii
i
n
ii
axaya
S
xaxaya
S
101
0
1011
1
02
02
2017/3/1
5
異なる変数間の関係は?多変量解析
膨大なデータへの統計学的アプローチ:多変量解析
年齢
背の高さIQ
相関係数
二つの変数間の関連度合い
∑ ̅
∑ ̅ ∑
2017/3/1
6
こんな分布ならどうする?
変数1
変数
2
多次元変数空間:主成分解析(PCA)
軸f1 : 最も分散( 情報量 )の大きい軸(新しい変数)
変数 x1,x2と最も相関が高い
軸f2: f1と直交して( f1と f2は無相関),次に分散の大きい軸
X = UL1/2VT = RVT
PCA: 特異値分解
固有値行列(スコア)固有ベクトル(ローディング)
2017/3/1
7
テストデータ:アルミ箔上のCuグリッドTOF‐SIMS
Keenan and Kotula, Surf. Interface Anal.; 2004; 36; 203‐212
テストデータ:アルミ箔上のCuグリッドTOF‐SIMS
Keenan and Kotula, Surf. Interface Anal.; 2004; 36; 203‐212
2017/3/1
8
PCAによる主要成分
スペクトルの物理的意味を直接表さない
PCAによる主要成分
スペクトルの物理的意味を直接表さない
2017/3/1
9
Blind Signal Separation(BSS)
Mixed signal1
Mixed signal2
BSS
Datacube:データの数学的構造Mathematical structure of Two‐way Spectral image
Non‐negative entries for all the matrices: NMF
E
y
100
110
120
130
0 0 0 0 0
100
110
120
130
00
020
30
=c1× + c2× + c3×
Maps of different chemical states
X = CST
2017/3/1
10
K
KST
C
Nonnegative Matrix Factorization (NMF)
Experimentaldataset
X
検出
器チ
ャン
ネル
数
標本点数(空間座標)
Resolve into product of low‐rank two matrices based on non‐negativity constraint
100 110 120 130 140 150 160 1700
0.2
0.4
0.6
0.8
Energy Loss [eV]
Inte
nsi
ty
成分スペクトル:化学状態解析
各成分の空間分布マップ
多変量スペクトル分解 MCR‐ALSmultivariate curve resolution‐alternating least‐square
n experimental spectra, each consisting of m points
⇒ m x n matrix, X
X = A B + R
Pure component spectra weights
X BT= ABBT ; B行列を正方行列化
A = (XBT)(BBT)-1 ; A行列の妥協解
noise
# of component > # of spectra non-determinant
B = (ATA)-1(ATX) ; B行列の妥協解
同様に
A,B行列の妥協解が収束するまで以上の繰り返し
2017/3/1
11
主成分解析(PCA)との比較
MCR: X = CST
X = UL1/2VT = RVT
PCA: 特異値分解
固有値行列(スコア)
固有ベクトル(ローディング)
S = VT, C = RT‐1
MCRとMCAを結びつける回転行列
具体的な回転行列の意味の一例:Varimax
座標回転
2017/3/1
12
A
NMFまたはMCRの問題点(特にEELS 不定形)
Energy loss
AB
B
A-B
X = ColdSoldT = (ColdT) (T
‐1SoldT) = CnewSnew
T
T:arbitrary regular matrix(rotation)
ALS解はユニークで無い!
NMF 三つのモード (S or C in X = CST )
Case 1: Non‐negative + orthogonal
ALS‐MCR(最小二乗法)
2017/3/1
13
NMF 三つのモード (S or C)
Soft‐orthogonality
ALS‐MCR(最小二乗法)
VCA
VCA
Case 1: Non‐negative + orthogonal
Case 2: Non‐negative + partially orthogonal
Soft‐orthogonality in NMF
K
KST
CExperimental
datasetX
# of Energy ch
annel
# of Sampling points
# of Energy channel
# of Sam
plin
g points D
Update C and S iteratively by minimizing “objective function”
【Distance( )】+【Orthogonality( )】+【sparsity(D)】
Shiga et al, Ultramicroscopy, 170 (2016) 43‐59.
2TCSX ICC Tw
Solution is not unique!
2017/3/1
14
成分の空間的な重なりの解消
27
「対角行列からのズレ」を評価指標に。
≫
重なりなし 重なりあり
CT
対角行列(非対角成分ゼロ)
C
成分数の最適化
28
Ideal result: removing redundant components
Intensity matrix
Sparsity constraintfor intensities ofcomponents
0 1 2 3 4 5 6 70
0.5
1
1.5
2
2.5
3
c
p(c) ー λ=1
ー λ=3
PDF of intensities
Exponential PDF
2017/3/1
15
100 120 140 160
(b)
Energy loss (eV)
c-Si
Si3N4
SiO2
ケーススタディ: XSTEM‐EELS
500nm
SiO2
Si
Si-N
電極(a)
Reference spectra
electrode
w = 0 w = 0.1
90 100 110 120 130 140 150 160
c-SiSi
3N
4
SiO2
Inte
nsity
(a.
u.)
Energy loss (eV)
(b)
2017/3/1
16
NMF 三つのモード (S or C)
Soft‐orthogonality
ALS‐MCR(最小二乗法)
VCA
VCA
Case 1: Non‐negative + orthogonal
Case 2: Non‐negative + partially orthogonal
Vertex component analysis (VCA)IEEE Trans. Geoscience and Remote Sensing, 43 (2005) 898.
前提:pure pixelの存在
Channel1
Chan
nel2
Energy channel
AB
Channel1 Channel2
Solution is unique!
X = CST
∑ =1: simplex
Cij>0
二成分系
2017/3/1
17
#1 #2
0.5 m
60 65 70
(e)
Chemical state analysis of Li in NCA cathode
K. Kojima et al, J. Power Sources (2011).
Li on Ni site
Original Li
Difference
Example in NMF‐STEM‐EELS‐SI
56 58 60 62 64 66 68 70 72
Comp. #1Comp. #2
0
0.05
0.1
0.15
0.2
Inte
nsity
(A
rb. u
nits
)
Energy loss (eV)Muto & Tatsumi, Microscopy, in press.
NMF 三つのモード (S or C)
ALS‐MCR(最小二乗法)
Soft‐orthogonality
SSS + VCA
VCA
VCA
Case 1: Non‐negative + orthogonal
Case 2: Non‐negative + partially orthogonal
Case 3: Non‐negative + overlapped
2017/3/1
18
1. Determine the number components by ROB‐PCA2. Select PCs3. Plot all the linear combinations of PCs under non‐negativitiy constraint4. Apply VCA
Cone of NMF
Signal Subspace Sampling in NMF (SSS)
Al(3nm)/Fe(20nm)/Si3N4(15nm) film
ADF‐STEM O‐K
2017/3/1
19
Al(3nm)/Fe(20nm)/Si3N4(15nm) film
Si3N4
Fe
Al2O3
SiOxArtefacts
Fe
0.4
0.1
0.5
0.1
0.1
0.45
0.25
0
0.8
0.3
1.8
0.8
様々な応用例
substrateplasmon
EELS‐SIによるポリマーブレンドの無染色観察
YZOLSMSTEM
EDX‐SI data: 元素マッピング 相マッピング
0 2 4 6 8 10
成分1
成分2
Cou
nts
X-ray energy (keV)
O
Mn
LaGa
Sr
Y
Zr
La
LaLa
La
Mn Ga
EDX #1
#2
And many more….
2017/3/1
20
X
Emission
Samples
=a1
c1 b1
a2
b2c2 b3
c3
a3
+ +
Two‐way解析からMulti‐wayへ
Tensor Decomposition:A. Cichocki et al, IEEE Signal Processing Magazine 32, 145 (2015).
A concept of ‘Tensor Decomposition’
Tucker Decomposition
テンソル化の利点: ✓コンパクトな表現✓各指標毎に独立した拘束条件設定✓指標間の相関、重み、因果関係の設定または導出
Canonical Polyadic Decomposition (CPD)
2017/3/1
21
LIB正極材料:Li0.21Ni0.7Mn1.64O4‐δ
EDX‐EELS同時測定
2+ 4+
635 637 639 641 643 645 647
Mn-L3
HARECES HARECXS profileMn-Kα
INT
EN
SIT
Y (
AR
B. U
NIT
)
ENERGY LOSS (eV) X-RAY INTENSITY (NORMALIZED)
INC
IDE
NT
BE
AM
OR
IEN
TAT
ION
, kx/g 4
00
0
0.5
1
1.5
2
2.5
30.8 0.9 1 1.1 1.2 1.3
X = CST × 2
HARECXS
サイト占有率
octocttettet
tettettet NN
NC
ELNESプロファイル
動力学電子回折理論計算
2017/3/1
22
Tetrahedral siteOctahedral site Xj = CjSj
T
Mn‐L2,3 ELNES
Mn4+
Mn2+
S1
C1
EDS
S2
C2
O‐K
Mn‐K
Ni‐K
Site occupancies:定量性確認
octocttettet
tettettet NN
NC
HARECES
2017/3/1
23
Site occupancies:定量性確認
octocttettet
tettettet NN
NC
HARECES
まとめ:Hyperspectral Image Analysisの進展
Two‐way解析:NMF
解の唯一性問題の解決
①ソフト直交性の導入
②SSS+VCAによる強く重畳した場合の分解
Two‐wayからMulti‐way解析へ
SDFによる複数分光データの取り扱い
Shiga et al, Ultramicroscopy, 170 (2016) 43‐59.
J. Spiegelberg et al, Ultramicroscopy, submitted.
Machine learning << Human learning
装置に左右されない高度に洗練された新しい分析技術の確立
2017/3/1
24
Collaborators
• Dr. Motoki Shiga (Gifu Univ., Japan)
• Dr. Masahiro Ohtsuka (Nagoya Univ., Japan)
• Jakob Spiegelberg (Uppsala Univ., Sweden)
• Dr. Jan Rusz (Uppsala Univ., Sweden)
J. J. SpiegelbergDr. M. Shiga Dr. M. Ohtsuka Dr. J. Rusz
Thank you for your kind attention!