DIFFRAC.EVA

손쉬운 PDF 생성: PDF 분석 분야의 전문가인 리모주(Limoges) 대학의 Olivier Masson 교수와의 공동 작업 결과를 발표하게 된 것을 자랑스럽게 생각합니다. 그의 전문 지식을 활용하여 DIFFRAC.EVA는 이제 원시 회절 데이터에서 실험 PDF를 생성하는 강력한 PyTSRedX 알고리즘을 포함합니다. PDF 분석을 시작하는 것이 이렇게 간단했던 적은 없었습니다. 몇 번의 클릭만으로 사용자는 빠르고 쉽게 고품질 PDF를 만들 수 있습니다. DIFFRAC.EVA는 백그라운드 및 Compton 산란, 흡수, 편광 및 X선 형광을 자동으로 보정한 다음 데이터를 정리하고 푸리에 변환하는 등의 작업을 모두 몇 초 안에 처리합니다.

DIFFRAC.TOPAS에서 추가적 정량 분석을 위한 실험 PDF를 내보내기 하여, 비정질의 물질, 나노 구조 또는 무질서한 구조에서의 국소 효과에 대한 분석 등, 차원이 다른 새로운 X선 데이터 분석의 세계를 경험하십시오.

강력한 워크플로우 기능을 통해 이전에 기록된 명령을 쉽게 반복합니다. 일련의 EVA 명령을 기록하고 언제든지 재생할 수 있습니다. 기록 프로세스 중에는 해당 명령만 활성화됩니다. 워크플로우 실행 컨트롤은 현재 선택 항목과 관련이 있는 명령으로 시작하는 작업만 보여주는 상황에 맞는 워크플로우를 표시합니다. 도구 모음의 편리한 드롭다운 목록을 사용하여 워크플로우를 즉시 시작할 수 있습니다. 편집 버튼을 사용하여 사전 기록된 워크플로우 내에서 명령 매개변수를 수정할 수 있습니다.

DIFFRAC.EVA의 워크플로우 기능의 이점:

• 향상된 효율성: 워크플로를 통해 사용자는 일련의 명령을 기록하고 재생할 수 있으므로 반복 작업을 실행하는 데 드는 시간과 노력을 절약할 수 있습니다. 복잡하거나 자주 수행되는 작업을 자동화함으로써 워크플로우는 분석 프로세스를 간소화하고 전반적인 효율성을 향상시킵니다.
• 일관성과 재현성: 워크플로우는 특정 분석 중에 사용되는 명령의 정확한 순서를 캡처하여 데이터 분석의 일관성과 재현성을 보장합니다. 이 기능은 공동 프로젝트로 작업하거나 이전 분석을 다시 확인할 때 특히 유용합니다.
• 오류 감소: 워크플로우를 사용하면 데이터 분석 중에 사람에 의한 오류의 위험이 줄어듭니다. 기록된 워크플로우는 미리 정의된 명령을 정확하게 실행하기 때문에 실수나 누락의 가능성이 최소화되어 보다 안정적이고 신뢰할 수 있는 결과를 얻을 수 있습니다.
• 간소화된 작동: 워크플로우는 복잡한 분석 절차를 일련의 관리 가능한 단계로 분류하여 실행을 단순화합니다. 수동으로 여러 명령을 기억하고 실행할 필요 없이 사용자는 클릭 한 번으로 전체 워크플로를 실행할 수 있습니다 .
• 유연성 및 사용자 정의: 워크플로우는 각 분석의 요구 사항에 맞는 유연성과 사용자 지정 옵션을 제공합니다. 특정 분석 요구 사항에 적용 및 맟출 수 있도록 사용자가 매개변수를 조정하여 기록된 워크플로우를 수정 및 디테일하게 조정할 수 있습니다.
• 간소화된 협업: 워크플로우는 데이터 분석에 대한 표준화된 접근 방식을 제공하여 연구자 간의 협업을 촉진합니다. 기록된 워크플로우를 팀 구성원과 쉽게 공유할 수 있어 여러 사용자 간에 일관성을 유지하고 프로젝트에서 원활한 공동 작업을 수행할 수 있습니다.

전반적으로 DIFFRAC.EVA의 워크플로우를 사용하면 향상된 효율성과 정확도, 재현성 및 협업 기능을 제공하여 보다 능률적이고 생산적인 데이터 분석을 경험할 수 있습니다.

DIFFRAC.EVA는 패턴 피팅 기능을 크게 개선하여 분석의 정확성과 신뢰성을 향상시킵니다.  개선된 알고리즘, 더 빠른 성능, 더 안정적인 결과를 경험하십시오.

• 격자 매개변수 정제: 오프셋 및 샘플 높이 수정이 추가된 새로운 격자 매개변수 정제로 더 높은 정밀도와 정확도를 달성합니다.
• 선호 방향 및 강도 피팅: 선호 방향 교정을 위해 March-Dollase 모델 및 최대 6도의 구형 고조파와 같은 고급 기능을 확인해 보십시오. Pawley와 같은 접근 방식을 사용하여 제약 없이 피크 높이 피팅을 수행합니다. pseudo-Voigt 피크를 Voigt 피크 모양 함수 및 Pearson VII로 대체하면 프로파일 피팅이 더욱 향상되어 더 나은 미세 구조 분석이 가능합니다.
• 개선된 방출 프로필: K-알파 스펙트럼에 K-베타 및 텅스텐 선과 같은 스펙트럼 불순물을 포함하여 전체 피팅 내에서 선명도를 향상하고 중요도가 낮은 신호를 정확하게 분류합니다. 이 기능은 신호를 명확하게 식별하도록 개선하고 X선 데이터에 대해 보다 포괄적인 분석을 제공합니다.
• 정량 분석 및 비정질 상태: 가장 높은 피크 또는 모든 피크의 피팅들에 기준 강도 비율(RIR)과 같은 옵션을 사용하여 반정량 분석을 수행합니다. "Amorphous Phases" 탭의 전용 버튼을 사용하여 하나 이상의 비정질 "상태"을 쉽게 추가하십시오.
• 미세 구조 분석: 이제 이중 보그트 접근법을 사용하여 스캔 데이터에서 실험적으로 결정된 기기 해상도를 디컨볼루션하면 전체 회절 패턴에서 결정 크기와 미세 변형을 정량적으로 분석하는 동시에 개별 피크에 셰러 방정식을 적용할 수 있습니다.
• 보고: 수치 적합 결과와 잔여 플롯을 내부 전자 실험실 노트북으로 쉽게 전송할 수 있습니다. 랩 노트 보기에 새로운 서식 지정 도구 모음이 추가되어 텍스트 서식 지정 옵션을 제공합니다.

이러한 향상된 기능을 통해 DIFFRAC.EVA는 보다 정확하고 의미 있는 결과를 얻을 수 있도록 지원하여 X선 데이터의 고급 패턴 피팅 및 포괄적인 분석을 가능하게 합니다.

확장된 데이터 접근성 및 관리: EVA의 잘 알려진 검색/일치 기능을 사용하여 PDF-4 데이터베이스의 원시 데이터에 액세스하고 추가 분석을 위해 원본 스캔 데이터를 손쉽게 추출합니다.

또한 분석 결과와 더불어 참조 측정 및 기타 중요한 데이터를 함께 저장하는 사용자의 측정 패턴을 포함 함으로서 사용자 데이터베이스의 기능을 향상시킵니다. 이러한 사용자 데이터베이스를 참조 입력값으로서 클러스터 분석, 양성 물질 식별(PMI) 또는 강력한 반정량적 패턴 일치(SQUALL) 기능에 활용됩니다. 사용자 데이터베이스와 매치되는 패턴값을 결합을 통해  X-레이 데이터 평가의 정확성과 깊이를 향상하여 패턴의 고급 분석 및 비교를 수행할 수 있습니다. 향상된 데이터 접근성, 포괄적인 관리 옵션 및 고급 패턴 일치 기능으로  DIFFRAC.EVA는 X선 데이터 분석 프로세스를 간소화하고 향상시킬 수 있도록 해 줍니다.