基于 Gomb-Net 的双层莫尔材料原子识别
材料科学
2025-02-27 v2 计算机视觉与模式识别
摘要
van der Waals 双层材料中的莫尔纹图案使原子分辨率图像的分析复杂化，阻碍了扫描透射电子显微镜通常可获得的原子尺度洞察。本文报道了一种检测每个组成扭曲双层异构结构中各层原子位置与身份的方法。我们开发了基于深度学习的 Gomb-Net 模型，该模型识别各层的坐标和原子种类，有效地对莫尔纹进行去卷积。从而实现了诸如应变和掺杂分布等量的层级特异性映射，而其他常用分割模型在莫尔纹引起的复杂性方面存在困难。通过此方法，我们探索了扭曲分数 Janus WS2-WS2(1-x)Se2x 异构结构中 Se 原子取代位点分布，发现层级植入位点不受莫尔纹局部能量或电子调制的影响。此进展使原子识别在此前不可能的材料体系中成为可能，为进入此前无法接触的材料物理学提供了新视角。
引用
@article{arxiv.2502.09791,
title = {Atom identification in bilayer moire materials with Gomb-Net},
author = {Austin C. Houston and Sumner B. Harris and Hao Wang and Yu-Chuan Lin and David B. Geohegan and Kai Xiao and Gerd Duscher},
journal= {arXiv preprint arXiv:2502.09791},
year = {2025}
}