穆斯堡尔谱机器学习迁移性验证数据与代码
机器学习
0 下载
10 浏览
2026-08-18
数据集简介
内容说明
该记录支撑论文《Validation Design and Experimental Provenance Shape Apparent Machine-Learning Transferability in Legacy Mössbauer Spectroscopy》,围绕遗留穆斯堡尔谱(Mössbauer spectroscopy)数据在机器学习建模中的可迁移性问题展开。记录包含经源验证的数据集、冻结的机器学习分析代码、规范模型输出、回顾性终点与覆盖审计材料、图表生成与质量控制代码以及可复现性文档。
主要分析涵盖来自 45 篇来源出版物的 171 个合格状态,并组织为 37 个重建的实验来源组。分析的主要终点是操作性的高场铁磁分数(operational high-field ferromagnetic fraction)。
文件构成
- 主压缩包:
Moessbauer_Provenance_ML_Zenodo_Release_v1.0.0_DOI_21997560.zip(约 1.4 MB),解压后总数据量 6.8 MB - 分析代码以 Python 编写,包含冻结的机器学习分析流程、图表生成与质量控制脚本
- 附带规范模型输出及可复现性文档
数据获取与再分发说明
原始的 Web of Science 与 Scopus 数据库导出文件未在本公开版本中再分发;公开版本仅保留经核实的记录数与 SHA-256 指纹,并附带受控的重复执行协议,以保证结果可复现。
版本信息
当前发布版本为 1.0.0,发布于 2026 年 8 月 18 日,许均为 Creative Commons Attribution 4.0 International(CC BY 4.0),可开放获取。
引用
引用本数据集时请注明:Osman Armağan(Karamanoğlu Mehmetbey University)与 Muhammed Emin Bedir(University of Wisconsin-Madison),DOI:10.5281/zenodo.21997560。
基本信息
记录数量未知
文件大小压缩包 1.4 MB;总数据量 6.8 MB
文件格式ZIP、Python
数据来源Zenodo(Osman Armağan 与 Muhammed Emin Bedir)
代码语言Python
许可协议CC BY 4.0
DOI10.5281/zenodo.21997560
版本1.0.0
发布日期2026-08-18
数据落地页https://zenodo.org/records/21997560
官方下载https://zenodo.org/api/records/21997560/files/Moessbauer_Provenance_ML_Zenodo_Release_v1.0.0_DOI_21997560.zip/content
可下载文件Moessbauer_Provenance_ML_Zenodo_Release_v1.0.0_DOI_21997560.zip(1.3 MB)
穆斯堡尔谱机器学习材料信息学可复现性铁磁分数开放数据
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载