Orientation and Projection Center Refinement for EBSD Indexing in Python

Abstract

I dette arbeidet er et sett med algoritmer for forbedring av krystallorientering og projeksjonssenter estimater spesielt etter, men ikke begrenset til, dictionary indexing av EBSD mønster presentert. Algoritmene er utviklet i programmeringsspråket Python 3 som en utvidelse av open-source Python-biblioteket kikuchipy. Algoritmene kan gjøre beregninger parallelt, og kan kjøres effektivt på en bærbar datamaskin, samt på dataklynger. I tillegg har algoritmene støtte for å arbeide med eksperimentelle datasett som er større enn tilgjengelig minne. Forbedringen kan gjøres med et vidt utvalgt av derivatfrie optimaliseringsalgoritmer som er implementert i SciPy biblioteket, både lokale og globale, som for eksempel Nelder-Mead og Differential Evolution. Implementasjonen tilbyr rimelige parametere for uerfarne brukere, samtidig som den tillater erfarne brukere å finpusse på parametere.

In this work a set of algorithms for refining crystal orientations and/or projection center estimates specifically after, but not limited to, dictionary indexing of EBSD patterns are presented. The algorithms are implemented in the Python 3 programming language as an extension of the open-source Python library kikuchipy. The algorithms allow for parallel computations and can be run efficiently on a simple laptop, as well as on a computing cluster. Additionally, they have support for handling experimental data sets that can be larger than memory. The refinement can be done with a wide variety of derivative-free optimization methods implemented in the SciPy library, both local and global, such as Nelder-Mead and Differential Evolution. The implementation provides reasonable parameters for inexperienced users, while simultaneously providing the ability for customization for more advanced users.