Hyppää sisältöön
    • Suomeksi
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (kokotekstit)
  • Näytä aineisto
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (kokotekstit)
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Röntgenspektrien sisältämä rakenneinformaatio

Niemi, Joonas (2021-06-29)

Röntgenspektrien sisältämä rakenneinformaatio

Niemi, Joonas
(29.06.2021)
Katso/Avaa
Niemi_Joonas_opinnayte.pdf (1.786Mb)
Lataukset: 

Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2021070140714
Tiivistelmä
Röntgenspektroskopisilla menetelmillä on valtavasti sovelluskohteita monien eri alojen parissa. Röntgenspektrien analysoiminen tuottaa paljon tietoa näytteiden rakenteista, mutta kuinka sensitiivisiä spektrit ovat näytteiden rakennejakaumien muutoksille, on epäselvää. Tähän kysymykseen lähdin etsimään vastausta tutkielmassani. Tutkimuksissani pyrin palauttamaan simuloitujen vesimolekyylien tunnetun rakennejakauman rakennejakaumaparametrit niitä vastaavista keskiarvoröntgenspektreistä, jotka määritin koneoppimista hyödyntäen. Keskiarvospektrien laskemiseen koulutin koneoppimismallin ennustamaan röntgenspektrejä simuloiduille vesimolekyyleille lasketuista spektreistä koostuvasta koulutusjoukosta. Käytössäni oli kolmen eri röntgenspektroskopiamenetelmän spektrejä, röntgenabsorptiospektroskopian, röntgenfotoelektronispektroskopian ja röntgenemissiospektroskopian. Näin tarkoituksenani oli myöskin selvittää, että mikä edellä mainituista menetelmistä on sensitiivisin rakennejakauman muutoksiin. Kappaleissa yksi ja kaksi käyn läpi röntgenspektroskopian sekä koneoppimisen teoriaa, ja kolmannessa kappaleessa esittelen käyttämäni datan, tutkimusmetodini sekä saamani tulokset. Lopuksi ilmaisen ajatuksiani tuloksiin liittyen johtopäätösten muodossa kappaleessa neljä.
Kokoelmat
  • Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (kokotekstit) [9338]

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetAsiasanatTiedekuntaLaitosOppiaineYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste