基于 CNN 的自适应分类器用于自动识别旋磁动力学模拟中的磁性状态
材料科学
2026-05-22 v1
摘要
磁性系统行为的复杂性要求对不同磁性状态进行识别和分类。传统方法依赖手工特征或人工检查，在处理细微或拓扑复杂的自旋纹理时常常不足。本研究提出了一种自动深度学习模型，采用 EfficientNetV1B0 卷积神经网络对九种不同的磁性状态进行分类，包括铁磁 (FM) 和反铁磁 (AFM) 自旋纹理，如 AFM skyrmions 和 AFM stripe 域。自旋配置通过 Spirit 代码进行原子尺度自旋动力学仿真生成，然后使用 VFRendering 可视化生成 RGB 图像，作为分类模型的输入。
引用
@article{arxiv.2605.22125,
title = {CNN-Based Classifier for Automated Identification of Magnetic States in Spin Dynamics Simulations},
author = {Amal Aldarawsheh and Ahmed Alia and Stefan Blügel},
journal= {arXiv preprint arXiv:2605.22125},
year = {2026}
}