利用模式识别与机器学习测定 Dzyaloshinskii-Moriya 相互作用
介观与纳米尺度物理
2021-02-02 v1 材料科学
摘要
机器学习被应用于大量对构建节能型智能社会至关重要的现代设备中。音频与人脸识别是此类人工智能最著名的技术之一。在材料研究中，机器学习被用于预测具有特定功能的材料，这种方法常被称为材料信息学。本文表明，机器学习可用于从实验中获得的单张图像提取材料参数。薄膜异质结构的 Dzyaloshinskii-Moriya（DM）相互作用与磁各向异性分布——这些参数在开发下一代存储级磁存储技术中至关重要——可从磁畴图像中估算得出。微磁模拟用于生成数千张随机图像以进行训练与模型验证。采用卷积神经网络系统作为学习工具。利用训练后的系统研究了典型 Co 基薄膜异质结构的 DM 交换常数：估算值与实验结果吻合良好。此外，我们表明该系统可独立确定磁各向异性分布，展示了模式识别的潜力。该方法可大幅简化实验流程并拓宽材料研究的范围。
引用
@article{arxiv.2102.00173,
title = {Determination of the Dzyaloshinskii-Moriya interaction using pattern recognition and machine learning},
author = {Masashi Kawaguchi and Kenji Tanabe and Keisuke Yamada and Takuya Sawa and Shun Hasegawa and Masamitsu Hayashi and Yoshinobu Nakatani},
journal= {arXiv preprint arXiv:2102.00173},
year = {2021}
}