yuanpeng / HaoL_stog_notes_12122024.txt

0 likes
0 forks
1 files
Last active 1734066645
1 首先,stog是有两个不同的package,一个是在RMCProfile里边打包的,直接在RMCProfile的命令行里就可以执行的,命令是'stog_new',具体的使用说明在这里,https://rmcprofile.ornl.gov/data-pre-processing-for-rmcprofile/
2
3 你在文档里提到是stog的Python版本,功能上跟上面的版本是一样的,可能还会更丰富些,包括data rebinning这些都可以在pystog里边做。
4
5 针对data rescaling的需求,两个版本需要的参数基本是一对一对应的,这些参数的说明在上面提到的链接里都有,有可能名字是不一样的,比如你提到的rho,也叫做number density,这个在连接里也有提到。另外你在文档里提到的pystog的参考文档的使用方式是可以,但是其实它有一种更简便的办法,可以参照这里的文档,https://powder.ornl.gov/total_scattering/data_reduction/ts_pp.html,在这里你就能看到,它的输入和RMCProfile版本的stog是基本一对一对应的。参数说明上面的两个链接里都有介绍,应该是比较清楚的,有问题的话可以找我哈。值得一提的是你提到的<b_coh>^2,这个叫做Faber-Ziman系数,是由composition决定的,可以在这里说如composition进行计算,https://addie.ornl.gov/helpsheet,在结果的显示页里,关于它的定义也是有介绍的。
6
7 在上面提到的第二个链接里,有一个Google Colab Notebook的链接,点进去直接运行所有的cells一步一步可以跟着做,主要就是利用pystog的一些基础功能做一些rebin,傅里叶变换,数据格式转换这些。'stog_new'和里边提到的'pystog_cli'(它的输入文件是一个json文件)就是把这些基础攒在一起直接take in reciprocal space data,做rescaling,傅里叶变换等等这些,in a single shot。
8
9 我之前分享给你的数据都是经历过scaling的步骤的,就是都用‘pystog_cli’处理过,如果需要rescale的话,就需要用到原始的reciprocal space的数据,它不在你文档里show的那张图里边,你的数据的话可以去这里找,/SNS/NOM/IPTS-33670/shared/autoreduce/multi_banks_summed/SofQ_merged,里边所有以merged.sq结尾的数据都是原始的,没有经过任何rescaling的reciprocal space的数据。
Newer Older