この記事では、 neutron 照射によって形成される変位カスケードによる欠陥の検出と分類のための完全に教師なしの機械学習（ML）ワークフローを紹介しています。変位カスケードは原子衝突の連鎖であり、これにより生成される点欠陥や拡張欠陥は材料の長期的発展に影響を与えます。研究では、Smooth Overlap of Atomic Positions (SOAP) ベクトルを用いて局所環境をエンコードし、オートエンコーダーニューラルネットワーク（AE）により異常な原子を特定しています。さらに、Uniform Manifold Approximation and Projection (UMAP) を用いて埋め込み、HDBSCANによりクラスタリングを実施し、欠陥形成に関与する外れ値を特定しました。このワークフローは、材料の構造異常の定量的マッピングのための効率的なツールを提供し、特に照射による損傷から生じる欠陥の分析に役立ちます。